نویسندگان
چکیده
تشخیص نوع مدولاسیون در طراحی گیرنده‌های هوشمند برای سیستم‌های مخابراتی نوین مانند برخی استانداردهای ارتباطات ماهواره‌ای که به‌طور همزمان از چند نوع مدولاسیون استفاده می‌کنند اهمیت فراوانی دارند. به‌منظور بهبود عملکرد سیستم تشخیص مدولاسیون، در چند سال اخیر، ایدة استفاده از چند گیرنده برای تشخیص نوع مدولاسیون مطرح شده است. در این مقاله تشخیص نوع مدولاسیون با استفاده از چند گیرنده برای سیگنال‌های به‌کاررفته در یکی از استانداردهای مخابرات ماهواره‌ای به نام DVB-S2بررسی شده است. از آنجا که آنتن‌های گیرنده می‌توانند در سطوح مختلف اطلاعات با یکدیگر همکاری داشته باشند، در این مقاله، روش‌هایی برای ادغام اطلاعات گیرنده‌ها در هر یک از سطوح سیگنال، ویژگی و تصمیم پیشنهاد و مقایسه شده است. در روش‌های پیشنهادی این مقاله از کامولنت‌ها به‌عنوان ویژگی و از شبکة عصبیMLPبه‌عنوان طبقه‌بندی‌کننده استفاده شده است. این روش‌ها به ازای شرایط مختلف شبیه‌سازی، ارزیابی و براساس عملکرد، میزان پیچیدگی و تجهیزات مورد نیاز برای پیاده‌سازی مقایسه شده‌اند. نتایج به‌دست آمده نشان داد ادغام اطلاعات در سطح سیگنال علاوه بر نیاز به حجم محاسبات کمتر، نسبت به روش‌های پیشنهاد شده برای ادغام اطلاعات در سطوح ویژگی و تصمیم عملکرد بهتری در طبقه‌بندی صحیح نوع مدولاسیون ارائه می‌دهد.
کلیدواژه‌ها
عنوان مقاله [English]
Multi-Receiver Modulation Classification for Satellite ommunications Signals
نویسندگان [English]
- محسن فرهنگ
- حمید دهقانی
چکیده [English]
Automatic Modulation Recognition is an important task for intelligent receivers in modern communication systems, in which several modulation types are used. In order to improve the performance of modulation classification systems, the idea of multi-receiver recognition has been developed recently. In this paper multiple receivers’ collaboration at different information levels is investigated for classification of signals used in DVB-S2 standard.Three methods are proposed for receivers’ cooperation at each one of signal, feature and decision levels. The proposed methods use cumulants and MLP neural network as signal features and classifier respectively. These methods are evaluated and compared through performance, complexity and equipment. The results show that receivers’ cooperation at signal level offers more accurate classification compared to feature and decision levels, in addition to less computational complexity.
کلیدواژه‌ها [English]
- modelation
- communication
- signal
- Neural Network
)