آمار

تعداد نشریات36
تعداد شماره‌ها1,192
تعداد مقالات8,579
تعداد مشاهده مقاله6,988,715
تعداد دریافت فایل اصل مقاله4,032,570
حسینی, سید نصرالله, صمصامی خداداد, فرشید, نظری, محمد. (1393). تفکیک و جداسازی مدولاسیونهای آنالوگ و دیجیتال با استفاده از ترکیب تابعSCF، ممانهای مرتبه بالا و روش کاهش بعد مدولاسیون. پدافند الکترونیکی و سایبری, 2(2), 33-39.
سید نصرالله حسینی; فرشید صمصامی خداداد; محمد نظری. "تفکیک و جداسازی مدولاسیونهای آنالوگ و دیجیتال با استفاده از ترکیب تابعSCF، ممانهای مرتبه بالا و روش کاهش بعد مدولاسیون". پدافند الکترونیکی و سایبری, 2, 2, 1393, 33-39.
حسینی, سید نصرالله, صمصامی خداداد, فرشید, نظری, محمد. (1393). 'تفکیک و جداسازی مدولاسیونهای آنالوگ و دیجیتال با استفاده از ترکیب تابعSCF، ممانهای مرتبه بالا و روش کاهش بعد مدولاسیون', پدافند الکترونیکی و سایبری, 2(2), pp. 33-39.
حسینی, سید نصرالله, صمصامی خداداد, فرشید, نظری, محمد. تفکیک و جداسازی مدولاسیونهای آنالوگ و دیجیتال با استفاده از ترکیب تابعSCF، ممانهای مرتبه بالا و روش کاهش بعد مدولاسیون. پدافند الکترونیکی و سایبری, 1393; 2(2): 33-39.

تفکیک و جداسازی مدولاسیونهای آنالوگ و دیجیتال با استفاده از ترکیب تابعSCF، ممانهای مرتبه بالا و روش کاهش بعد مدولاسیون

پدافند الکترونیکی و سایبری
مقاله 4، دوره 2، شماره 2، مرداد 1393، صفحه 33-39    اصل مقاله (1.44 M)
نویسندگان
سید نصرالله حسینی* 1؛ فرشید صمصامی خداداد2؛ محمد نظری3
1کارشناس ارشد مخابرات
2کارشناسی ارشد، الکترونیک، دانشگاه صنعتی شریف
3کارشناسی ارشد، مخابرات، دانشگاه تخصصی فناوریهای نوین آمل
تاریخ دریافت: 19 آبان 1393،  تاریخ بازنگری: 13 تیر 1402،  تاریخ پذیرش: 28 شهریور 1397 
چکیده
در این مقاله دو روش مختلف تشخیص و تفکیک مدولاسیونهای آنالوگ و دیجیتال، یکی بر مبنای تابع همبستگی طیفی و دیگری براساس ممانهای مرتبه بالا و همچنین روش کاهش بعد مدولاسیون، پیشنهاد می‌شود. پس از بررسی این دو روش، رهیافت ترکیبی، با دقت بالای تشخیص و قابل استفاده در سیستم‌های مراقبت مخابراتی ارائه می‌گردد. نتایج شبیه‌سازی نشان می‌دهند که روش ترکیبی ارائهشده، در مقایسه با الگوریتمهای تشخیص مدولاسیون در سیگنالهایی با SNR پایین، دارای نتایج قابل قبول در شناسایی صحیح نوع مدولاسیون میباشد. علاوه بر اینکه روش فوق برای شناساییQAM های مرتبه بالا و مدولاسیونهای فازی و فرکانس کارایی دارد، محاسبات و پیچیدگی آن نیز نسبت به روشهای دیگر کمتر است.
کلیدواژه‌ها
تابع همبستگی طیفی؛ ممانهای مرتبه بالا؛ کاهش بعد مدولاسیون؛ تشخیص مدولاسیون؛ هیستوگرام فاز؛ تبدیل موجک
عنوان مقاله [English]
Detection and Separation of Analog and Digital Modulation with SCF function, high-Order moments and dimension reduction of modulation
نویسندگان [English]
Seyed Nasrollah Hosseini1؛ Farshid Samsami Khodadad2؛ Mohammad Nazari3
1Senior telecommunications expert
2Master's degree, Electronics, Sharif University of Technology
3Master's degree, Telecommunications, Amol University of New Technologies
چکیده [English]
In this paper, two different methods for identification and separation of analog and digital modulation,
is presented. One of these methods is based on spectral correlation function and the other is based on high
order moment and dimension reduction of modulation; for detection and recognition of digital and analog
modulation. After a careful survey on these two methods, a synthetic method with high detection resolution
and usable in COMINT systems is presented. Simulation result shows that the proposed method outperforms
traditional methods in low SNR for detection of the type of the modulation. Moreover, the proposed
method is efficient for detecting the type of high order QAM, phase and frequency modulation. In addition,
numerical results show that the proposed method has acceptable complexity performance, compared toother
methods.
کلیدواژه‌ها [English]
spectral correlation function, high order moments, dimension reduction of modulation, detection of type of modulation, phase Histogram, wavelet Transfer
مراجع

[1] E. E. Azzouz and A. K. Nandi, Automatic Modulation
Recognition of Communication Signals. Kluwer
Academic, 1996.
[2] K.N. Haq, A. Mansour, S. Nordholm,” Recognition of
digital modulated signals based on statistical parameters,”
Digital Ecosystems and Technologies (DEST), 2010 4th
IEEE International Conference on, pp. 565 – 570, 2010.
[3] P. C. Sapiano and J. D. Martin, ”Maximum likelihood
PSK classifier,” in Proc. ICASSP, 1996, pp. 1010-1014.
[4] P. Prakasam and M. Madheswaran,” Digital Modulation
Identification Model Using Wavelet Transform and
Statistical Parameters”, EURASIP Journal of Computer
Systems, Networks, and Communications, 2008.
[5] H. Wijantoand, S. Tjondronegoro, “The Performance
improvement of Automatic Modulation Recognition Using
Simple Feature Manipulation, Analysis of the HOS, and
Voted Decision”, world academy of science engineering
and technology, pp 763-768, 2009.
[6] W. A. Gardner, “Statistical Spectral Analysis”, Prentice-
Hall publication, 1983.
[7] A. Swami and B. M. Sadler, “Hierarchical digital
modulation classification using cumulants,” IEEE Trans.
on Comm., vol. 48, no. 3, pp. 416-429, March 2000.

آمار
تعداد مشاهده مقاله: 488
تعداد دریافت فایل اصل مقاله: 192