جداسازی کور مدولاسیون‌های مخابراتی با استفاده از بردارهای ماشین تکیه‌گاه
الموضوعات :
سعید شعرباف تبریزی
1
(دانشگاه فردوسی مشهد)
مرتضی خادمی
2
(دانشگاه فردوسی مشهد)
محمد مولوی کاخکی
3
(دانشگاه فردوسی مشهد)
الکلمات المفتاحية: الگوريتم ژنتيکبردار ماشین تکیه‌گاهتشخيص مدولاسيونتشخيص الگو,
ملخص المقالة :
در اين مقاله سيستمی برای تشخيص نوع مدولاسيون پيشنهاد مي‌شود که قادر است بدون شناخت اولیه از پارامترهای سیگنال ارسالی، 9 مدولاسیون از خانواده مدولاسيون‌هاي فاز، دامنه و فاز- دامنه را شناسايي کند. برای تشخيص، طبقه‌بندي‌کننده SVM پیشنهاد شده است. پيچيدگي محاسباتي کم، سرعت آموزش بالا و درصد تشخيص بالاتر نسبت به ساير روش‌های تشخیص مدولاسیون مانند سطوح آستانه ثابت و متغیر و شبکه‌های عصبی، از مزاياي روش پیشنهادی به شمار مي‌آيند. نتایج شبیه‌سازی نشان می‌دهد که استفاده از ساختارهای سلسله مراتبی از طبقه‌بندی‌کننده SVM نیز می‌تواند به بهبود عملکرد بیانجامد. در این مقاله، استفاده از الگوریتم ژنتیک در بهینه‌سازی ساختار طبقه‌بندی‌کننده و نیز انتخاب بهینه ویژگی‌های مورد استفاده در ساختار سلسله مراتبی، سبب افزایش قابل ملاحظه دقت تشخیص مدولاسیون‌ها گردیده است.
[1] Y. Yang and S. S. Soliman, "A suboptimal algorithm for modulation classification," IEEE Trans. on Aerospace and Electronic Systems, vol. 33, no. 1, pp. 38-45, Jan. 1997.
[2] W. Wei and M. Mendel, "A new maximum - likelihood for modulation classification," in Proc. IEEE Int. Conf. onCommunications, vol. 1, pp. 57-61, Feb. 1996.
[3] E. Azzouz and A. Nandi, "Algorithms for automatic modulation recognition of communication signals," IEEE Trans. on Commun., vol. 46, no. 4, pp. 431-436, Jan. 1998.
[4] A. Iversen, Classification of Digital Modulation Schemes Using Multi - Layered Perceptrons, Ph.D Thesis, Heriot Watt University, pp. 30-35, Feb. 2004.
[5] Q. Cai and P. Wei, "A digital modulation recognition method," in Proc. IEEE Int. Conf. on Communications, vol. 3, pp. 863-866, Apr. 2004.
[6] F. Bo, C. Jun, and C. Gnag, "An algorithm of SNR estimation for non constant envelope signal in the AWGN channel," Acta Electronica Sinica, vol. 30, no. 1, pp. 1369-1371, Apr. 2002.
[7] H. Stark and J. W. Woods, Probability, Random Processes, and Estimation Theory for Engineers, 2nd ed., Prentice - Hall, 1994.
[8] C. J. C. Burges, "A tutorial on support vector machines for pattern recognition," Data Mining and Knowledge Discovery, vol. 2, no. 1, pp. 955-974, Apr. 1998.
