این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پردازش علائم و داده ها، جلد ۱۳، شماره ۲، صفحات ۳-۱۰
عنوان فارسی استخراج ویژگیهای نوین برای طبقه بندی مدولاسیون با استفاده از یک دمدولاتور ۸PSK
چکیده فارسی مقاله در این مقاله یک الگوریتم طبقه بندی مدولاسیون مبتنی بر ویژگی برای جداسازی سیگنالهای PSK ارائه شده است. مدولاسیونهای کاندید شامل QPSK، OQPSK، π/4DQOSK و 8PSK در نظر گرفته شده اند. روش ارائه شده برای استخراج ویژگیهای مورد نظر از روی سمبلهای مشاهده شده، از یک دمدولاتور باند پایه 8PSK استفاده می کند. خروجی دمدولاتور به صورت یک ماشین حالت محدود در نظر گرفته می شود که به ازای هر یک از مدولاسیونهای کاندید، حالتها و تغییر حالتهای متفاوتی دارد. تخمین احتمال برخی تغییر حالتهای مشخص، ویژگیهای متمایزکننده مدولاسیونهای کاندید را پدید می آورند. ویژگیهای بدست آمده به یک طبقه بندی کننده بیزی داده می شوند که درباره نوع مدولاسیون سیگنال دریافتی تصمیم گیری می کند. با انجام شبیه سازیهای متعدد، احتمال طبقه بندی صحیح در شرایط مختلف نسبت توان سیگنال به نویز و با تعداد مختلف سمبلهای مشاهده شده محاسبه شده است. نتایج این شبیه سازیها نشان می دهد که روش پیشنهادی در مقایسه با روشهای موجود، طبقه بندی دقیقتری ارائه می دهد. 
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Novel Features for Modulation Recognition Using an 8PSK Demodulator
چکیده انگلیسی مقاله In this paper a feature-based modulation classification algorithm is developed for discriminating PSK signals. The candidate modulation types are assumed to be QPSK, OQPSK, π/4 DQOSK and 8PSK. The proposed method applies an 8PSK baseband demodulator in order to extract required features from observed symbols. The received signal with unknown modulation type is demodulated by an 8PSK demodulator whose output is considered as a finite state machine with different states and transitions for each candidate modulation. Estimated probabilities of particular transitions constitute the discriminating features. The obtained features are given to a Bayesian classifier which decides on the modulation type of the received signal. The probability of correct classification is computed with different number of observed symbols and SNR conditions by carrying out several simulations. The results show that the proposed method offers more accurate classification compared to previous methods for classifying variants of QPSK.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محسن فرهنگ | mohsen farhang
تهران - لویزان - دانشگاه صنعتی مالک اشتر
سازمان اصلی تایید شده: دانشگاه صنعتی مالک اشتر (Malek ashtar university of technology)

حسین بهرامگیری | hosein bahramgiri
دانشگاه صنعتی مالک اشتر
سازمان اصلی تایید شده: دانشگاه صنعتی مالک اشتر (Malek ashtar university of technology)

حمید دهقانی | hamid dehghani
دانشگاه صنعتی مالک اشتر
سازمان اصلی تایید شده: دانشگاه صنعتی مالک اشتر (Malek ashtar university of technology)

نشانی اینترنتی http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-319-1&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1315/article-1315-233314.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مقالات گروه رمز
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات