اخبار و اعلانات
آمار
| تعداد نشریات | 38 |
| تعداد شماره‌ها | 1,240 |
| تعداد مقالات | 8,994 |
| تعداد مشاهده مقاله | 7,848,134 |
| تعداد دریافت فایل اصل مقاله | 4,708,237 |
دسته‌بندی کور کدهای فضا-زمان با استفاده از یادگیری ماشین | ||
| علوم و فناوریهای پدافند نوین | ||
| مقاله 1، دوره 10، شماره 1 - شماره پیاپی 35، فروردین 1398، صفحه 1-10 اصل مقاله (971.18 K) | ||
| نویسندگان | ||
| مهدی تیموری* ؛ مسعود رضایی | ||
| دانشگاه تهران | ||
| تاریخ دریافت: 10 بهمن 1397، تاریخ بازنگری: 23 آذر 1398، تاریخ پذیرش: 10 بهمن 1397 | ||
| چکیده | ||
| مهم‌ترین خصوصیتی که شناسایی کور کدهای فضا-زمان را از سایر انواع شناسایی کور مخابراتی متمایز می‌کند این است که برای نفوذ در بسیاری از سامانه‌های مخابراتی مدرن که از روش‌های ارسال و دریافت چندآنتنی استفاده می‌کنند، اولین قدم شناسایی کور کد فضا-زمان به‌کاررفته است. در این مقاله، دسته‌بندی کور در مجموعه وسیعی از کدهای فضا-زمان با استفاده از ابزارهای یادگیری ماشین مورد بررسی قرار گرفته است. از آنجا که در کارهای پیشین، تنها دسته‌بندی کدهای فضا-زمان متعامد مورد بررسی قرار گرفته است، یکی از نوآوری‌های این مقاله افزودن کدهای شبه متعامد و همچنین سامانه ارسال تک آنتنی به این دسته‌بندی است. بهبود عملکرد روش‌های مرسوم دسته‌بندی نیز یکی دیگر از نوآوری‌های این مقاله است. نتایج شبیه‌سازی نشان می‌دهد که درخت تصمیم ایجاد‌شده توسط تعداد زیادی از ویژگی‌های استخراج‌شده از ماتریس‌های همبستگی، نسبت به سایر روش‌های مرسوم شناسایی دارای عملکرد نسبتاً بهتر، به خصوص در شرایط بسیار نویزی، است. | ||
| کلیدواژه‌ها | ||
| شناسایی کور؛ کدهای فضا-زمان؛ ماتریس همبستگی؛ درخت تصمیم | ||
| عنوان مقاله [English] | ||
| Blind Classification of Space-Time Codes Using Machine Learning | ||
| نویسندگان [English] | ||
| Mehdi Teimouri؛ Masoud Rezaei | ||
| چکیده [English] | ||
| For eavesdropping of modern telecommunications systems, which employ multiple transmit and receive antennas, the first step is to recognize the space-time code. In this paper, we propose a method to classify within broad categories of space-time codes. The method is based on machine learning and pattern recognition. Compared to the previous published researches, the novelty of this paper is including quasi-orthogonal space-time codes and also single antenna transmitter in identification set. Moreover, the method described in this paper outperforms the current classification methods. It is shown that the decision tree classifier based on several features extracted from correlation matrices, has practical advantages over the current classification methods, especially when data is very noisy. | ||
| کلیدواژه‌ها [English] | ||
| Blind Identification, space-time codes, correlation matrix, Decision Tree | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 593 تعداد دریافت فایل اصل مقاله: 253 |
||