شناسایی هوشمند نوع مدولاسیون دیجیتال با استفاده از ماشین بردار تکیه گاه و استخراج ویژگی مبتنی بر آمارگان مرتبه بالا

پایان نامه
چکیده

شناساگر خودکار نوع سیگنال، عمل تعیین نوع مدولاسیون سیگنال دریافتی را در بین مجموعه ای از مدولاسیون ها به صورت اتوماتیک انجام می دهد و کاربردهای فراوانی در زمینه نظامی و غیر نظامی دارد. اکثر سیستم های شناساگر خودکار نوع مدولاسیون که تاکنون ارائه شده در شرایط سیگنال به نویز پایین عملکرد مناسبی ندارند و فقط قادرند تا تعداد محدودی از مدولاسیون ها را شناسایی کنند. در این پژوهش، تلاش کرده ایم تا با استخراج ویژگی های بسیار کارا و پیشنهاد طبقه بندی کننده بسیار موثر، شناساگر پیشرفته ای با عملکردی بهتر از کارهای دیگران ارائه نماییم. درشناساگر پیشنهادی از ویژگیهای آمارگان مرتبه ی بالا(ممان ها وکومولانها تا مرتبه ی هشتم) وطبقه بندی کننده ی ماشین بردار پشتیبان استفاده شده است که عملکرد این طبقه بندی کننده توسط الگوریتم بهینه سازی کلونی زنبور عسل و اجتماع ذرات بهبود یافته است. از کلونی زنبور عسل هم در بهبود عملکرد و هم در کاهش پیچیدگی طبقه بندی کننده استفاده شده است. شناساگرهای پیشنهادی در snr برابر با db0، درصد موفقیت %32/95 را بدست آورده است. مدولاسیون هایی که در این پژوهش مورد بررسی قرار گرفته عبارتند از: 4ask، 8ask، 2psk، 4psk،8psk، 64qam,32qam,16qam,8qam و128qam.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

شناسایی هوشمند نوع مدولاسیون دیجیتال در کانال های تارکننده چند مسیره با استفاده از آمارگان مرتبه بالا

شناساگر خودکار نوع سیگنال، عمل تعیین نوع مدولاسیون سیگنال دریافتی را در بین مجموعه ای از مدولاسیونها به صورت اتوماتیک انجام می دهد و همانطور که اشاره شدکاربردهای فراوانی در زمینه نظامی و غیر نظامی دارد. در حوزه کانال نویزی، اکثر روش های ارائه شده توانایی تشخیص مدولاسیونهای با ابعاد پایین را دارند. بیشتر مدولاسیونهای در نظر گرفته شده دارای اطلاعاتی در فقط یکی از ابعاد دامنه، فاز یا فرکانس هستند....

15 صفحه اول

طبقه بندی سیگنال الکترومایوگرام سطحی با استفاده از آمارگان مرتبه بالا

در این مقاله یک روش کارآمد برای طبقه بندی سیگنال الکترومایوگرام سطحی را با استفاده از آمارگان مرتبه بالا ارایه می دهیم. چون تابع توزیع احتمال سیگنال الکترومایوگرام سطحی که در شرایط انقباض عضلانی ایزومتریک ثبت می گردد در بعضی موارد به توزیع گوسی بسیار نزدیک است، در بسیاری از تحقیقات گذشته این تابع توزیع گوسی فرض گردیده است. چون این فرض برای دامنه های کوچک نیرو نادرست است، در این مقاله برای استخر...

متن کامل

شناسائی هوشمند نوع سیگنال های مخابراتی دیجیتال با استفاده از شبکه عصبی و استخراج ویژگی مبتنی بر موجک

شناساگر خودکار نوع سیگنال، عمل تعیین نوع مدولاسیون سیگنال دریافتی را در بین مجموعه ای از مدولاسیونها به صورت اتوماتیک انجام می دهد و کاربردهای فراوانی در زمینه نظامی و غیر نظامی دارد. اکثر سیستم های شناساگر خودکار نوع مدولاسیون که تاکنون ارائه شده در شرایط سیگنال به نویز پایین عملکرد مناسبی ندارند و فقط قادرند تا تعداد محدودی از مدولاسیونها را شناسایی کنند. در این پژوهش، تلاش شده تا با استخراج ...

15 صفحه اول

مقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure

کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...

متن کامل

مدلسازی درآمدهای مالیاتی کشور با استفاده از روش ماشین بردار تکیه گاه( svm)

در حال حاضر اکثر دولتها برای تبیین سیاست های پولی و مالی خود علاوه بر بررسی وضع موجود، از پیش بینی های کوتاه مدت و بلند مدت متغیرهای کلان اقتصادی بهره می گیرند. با توجه به اهمیت این موضوع، تحقیقات در زمینه مدل ها و تکنیک های پیش بینی در چند دهه اخیر اهمیت بیشتری یافته؛ به طوریکه امروزه در ادبیات اقتصاد سنجی شاهد مدلها و روش های بسیاری در این زمینه می باشیم. در این پژوهش سعی بر اینست که درآمدها...

15 صفحه اول

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی (نوشیروانی) بابل - دانشکده برق و کامپیوتر

کلمات کلیدی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023