دستهبندی کور سیگنالهای مدولهشده دامنه - فاز مبتنی بر روش بیشینه درستنمایی
Authors
Abstract:
تشخیص خودکار نوع مدولاسیون سیگنال دریافتشده، وظیفه اصلی یک گیرنده هوشمند است. این وظیفه زمانی که گیرنده اطلاعاتی در مورد سیگنال دریافتی و یا کانال ندارد، مشکلتر خواهد شد. در ابتدا، دستهبندیکننده بیشینه درستنمایی (ML) برای دستهبندی مدولاسیونهای دامنه - فاز در محیط همدوس ارائه شده است. بهخوبی مشخص است که دستهبندیکننده ML نیاز به آگاهی اولیه به برخی از پارامترهای سیگنال دریافتی و کانال (از جمله دامنه، اطلاعات زمانبندی، توان نویز و شاخص افت فیلتر شکلدهنده پالس) دارد. برای برطرف کردن این نیاز، ما یک تخمینگر جدید که نسبت به مدولاسیون سیگنال ارسالی کور است را بهمنظور تخمین پارامترهای مورد نیاز دستهبندیکننده ML معرفی میکنیم و این منجر به دستهبندیکننده مدولاسیون کاملاً کور جدیدی برای سیگنالهای مدولهشده دامنه - فاز در کانالهای محوشونده میشود. نتایج شبیهسازی برای احتمال تشخیص صحیح برحسب SNR برای مدولاسیونهای BPSK، QPSK، 8-PSK، 16-QAM و 64-QAM ارائه شده است. نتایج نشان میدهد که کارایی این دستهبندیکننده بسیار نزدیک به دستهبندیکننده ایدهآل با تخمین کامل است.
similar resources
دسته بندی کور سیگنال های مدوله شده دامنه - فاز مبتنی بر روش بیشینه درست نمایی
تشخیص خودکار نوع مدولاسیون سیگنال دریافت شده، وظیفه اصلی یک گیرنده هوشمند است. این وظیفه زمانی که گیرنده اطلاعاتی در مورد سیگنال دریافتی و یا کانال ندارد، مشکل تر خواهد شد. در ابتدا، دسته بندی کننده بیشینه درست نمایی (ml) برای دسته بندی مدولاسیون های دامنه - فاز در محیط همدوس ارائه شده است. به خوبی مشخص است که دسته بندی کننده ml نیاز به آگاهی اولیه به برخی از پارامترهای سیگنال دریافتی و کانال (...
full textدسته بندی کور سیگنال های مدوله شده دامنه - فاز مبتنی بر روش بیشینه درست نمایی
تشخیص خودکار نوع مدولاسیون سیگنال شناسایی شده یک وظیفه اصلی و مهم در یک گیرنده هوشمند در هر دو زمینه نظامی و غیر نظامی می باشد. این امر زمانی دشوارتر می گردد که نه اطلاعاتی از سیگنال ارسالی و نه اطلاعاتی از کانال در سمت گیرنده موجود نباشد. دسته بندی کننده های کور مدولاسیون به سیستم هایی گفته می شود که نوع مدولاسیون سیگنال دریافتی را زمانی که هیچ اطلاعاتی از سیگنال ورودی و کانال در گیرنده موجود ...
15 صفحه اولدر کارایی براوردگرهای بیشینه شبهدرستنمایی و بیشینه درستنمایی در مدلهای مارکوفی مرتبهی دوم
در این مقاله به مطالعهی زنجیر مارکوفی مرتبهی دوم که برای مدلبندی در بسیاری موارد مناسب میباشد پرداخته شده است. کارایی براوردگرهای بیشینه شبهدرستنمایی با براوردگرهای بیشنیه درستنمایی بههمراه توزیع مجانبی آنها مطالعه شده و با ارایهی یک مثال به بررسی قابلیتهای این براوردگر پرداخته شده است.
full textپیش بینی تاخوردگی دامنه پروتئین ها مبتنی بر روش DBSCAN
در این مقاله یک روش طبقه بندی تغییر یافته بر مبنای روش های طبقه بندی بر اساس چگالی برای طبقه بندی تاخوردگی پروتئین ها ارائه شده است که این روش در برابر وجود نویز مقاوم بوده و از سرعت بالایی برخوردار خواهد بود. طبقه بندی پروتئین ها بمنظور پیش بینی عملکرد آنها و شناسایی خواص پروتئین ها یکی از مسائل بزرگ در حوزه طبقه بندی است. با توجه به پیشرفت علم و دستگاه های توالی یابی پروتئین های بسیاری کشف شد...
full textآزمون توزیع لاپلاس چوله بهکمک روش درستنمایی تجربی مبتنی بر چگالی
چکیده: در این مقاله ابتدا توزیع لاپلاس چوله و ویژگیهایش را مورد بررسی قرار میدهیم. سپس یک آزمون نیکویی برازش طبق روش نسبت درستنمایی تجربی چگالیمبنا برای این توزیع معرفی میکنیم. سازگاری مجانبی آزمون بهدست آمده را اثبات میکنیم. بهکمک شبیهسازی مونت کارلویی مقادیر بحرانی و خطای نوع اول آزمون محاسبه شدهاند. بهعلاوه آزمونهای تابع توزیع تجربی را برای این توزیع لاپلاس چوله بهکار گرفتهایم ت...
full textبرآورد مدلهای معادلات ساختاری در حضور دادههای گمشده با استفاده از روش بیشینه درستنمایی با اطلاعات کامل: یک مطالعهی شبیهسازی
مدلیابی معادلات ساختاری، یک رویکرد آماری چندمتغیری نیرومند جهت ارزیابی روابط پیچیدهی بین متغیرهای مکنون در بسیاری از حوزههای علوم انسانی و رفتاری است. یکی از چالشهای رایج در برآورد مدلهای معادلات ساختاری که بر مبنای آزمون فرضیهها انجام میشود، وجود دادههای گمشده است. شیوهی معمول، حذف آزمودنیهایی با پاسخهای گمشده روی هر کدام از سوالات است که با افزایش درصد مقادیر گمشده در مجموعه دادهه...
full textMy Resources
Journal title
volume 46 issue 1
pages 333- 342
publication date 2016-04-20
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023