شناسایی خودکار مدولاسیون های دیجیتال و آنالوگ

در این پایاننامه دو الگوریتم جهت شناسایی شمای مدولاسیون های مورد استفاده در سیستم های بی سیم و سیستم dvb-s2 پیشنهاد شده است. الگوریتم اول، برای شناسایی مدولاسیون های bpsk، qpsk و gmsk پیشنهاد شده است. در خلال کلاس بندی، کلاس بندی کننده های dag-svm، svm سلسله مراتبی و شبکه ی عصبی pnn جهت انتخاب کلاس بندی کننده مناسب با هم مقایسه شده اند و نهایتا شبکه ی عصبی pnn به دلیل درصد شناسایی بالا به عنوان کلاس بندی کننده انتخاب شده است. ویژگی های استفاده شده شامل دو دسته ویژگی ترکیبی است، دسته اول ویژگی های لحظه ای سیگنال و دسته دوم ویژگی های آماری مراتب بالا شامل کیومولانت ها مرتبه ی چهارم می باشند. نکته ی قابل ذکر در استخراج ویژگی ها به دلیل وابستگی دو ویژگی لحظه ای به فرکانس حامل، فرض شده فرکانس حامل در دست بوده یا تخمین زده شده است. الگوریتم دوم، برای شناسایی مدولاسیون های qpsk، psk8، apsk16 و apsk32 پیشنهاد شده است. مدولاسیون های پیشنهادی در سیستم مخابرات ماهواره dvb-s2 کاربرد دارند. در این الگوریتم از 5 ویژگی، حوزه ی ویولت و کیومولانت های مرتبه ی چهار جهت شناسایی مدولاسیون ها استفاده شده است. الگوریتم برای محدوده ی -6db≤snr طراحی شده است. الگوریتم جهت شناسایی نیازی به هیچ اطلاعات اولیه، از سیگنال دریافتی ندارد. جهت کلاس بندی، svm سلسله مراتبی پیشنهاد شده است. در نهایت این الگوریتم توانسته با 100 درصد موفقیت مدولاسیون ها را شناسایی کند.