اخبار و اعلانات
آمار
| تعداد نشریات | 38 |
| تعداد شمارهها | 1,408 |
| تعداد مقالات | 10,088 |
| تعداد مشاهده مقاله | 11,911,304 |
| تعداد دریافت فایل اصل مقاله | 6,962,010 |
تشخیص خودکار مدولاسیون DVB-S2X با لحاظ تداخلها و اثرات مخرب سختافزار کانال GEO مبتنی بر تلفیق رویکردهای مرسوم و تحولگرا | ||
| پدافند الکترونیکی و سایبری | ||
| مقاله 9، دوره 13، شماره 3 - شماره پیاپی 51، آبان 1404 | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| سید محمد صباغ جعفری1؛ حمیدرضا خدادادی* 2؛ حامد احمدیان یزدی3 | ||
| 1دانشجو دکترا ، دانشگاه جامع امام حسین(ع)، تهران، ایران | ||
| 2دانشیار ، دانشگاه جامع امام حسین(ع)، تهران، ایران | ||
| 3استادیار ، دانشگاه جامع امام حسین(ع)، تهران، ایران | ||
| تاریخ دریافت: 16 خرداد 1404، تاریخ بازنگری: 07 شهریور 1404، تاریخ پذیرش: 22 مهر 1404 | ||
| چکیده | ||
| دستهبندی مدولاسیون، عملیاتی بین تشخیص سیگنال و دمدولاسیون در لایه فیزیکی است و در حوزه رادیویی شناختی موردتوجه قرار گرفته است. تاکنون تحقیق جامعی در زمینه تشخیص مدولاسیون سیگنالهای ماهوارهای DVB-S2X در حضور اثرات کانال ماهوارهای GEO انجام نشده است. در این مقاله رویکرد تشخیص خودکار مرسوم مبتنی بر ویژگیهای دستساز با رویکرد تشخیص خودکار تحولگرا مبتنی بر یادگیری عمیق تلفیق شده است. ویژگیهای نهفته و معنیدار از ویژگیهای دستساز به طور خودکار توسط شبکه عصبی کانولوشنال استخراج میشود. همچنین انتخاب و بهینهسازی ویژگیهای دستساز توسط الگوریتم ژنتیک چندهدفه NSGAII انجام میگردد. الگوریتم پیشنهادی دستهبندی نه عدد مدولاسیون چالشی تودرتو شامل مدولاسیونهای مرتبه بالای APSK سیگنال DVB-S2X را انجام میدهد. دستهبندی مدولاسیون با حضور تداخلهای سیگنالی، تأثیرات غیرخطی و غیرایدئال فرستنده زمینی، ترانسپوندر ماهواره و گیرنده زمینی ارزیابی و عملکرد آن با دو روش دیگر مقایسه میگردد. بهکارگیری ویژگیهای دستساز بهینه باوجود استفاده از شبکه عصبی کانولوشنال سبک، عملکردی قوی ارائه میکند. در سیگنال به نویز بالای dB 5، دقت کل 100% در کانال نویز سفیدگوسی و دقت کل 97% در کانال ماهوارهای GEO، به دست آمد. همچنین دقت 100% برای سیگنال به نویز پایینتر از سیگنال به نویز استاندارد DVB-S2X محقق گردید. | ||
| کلیدواژهها | ||
| تشخیص خودکار مدولاسیون؛ ترانسپوندر؛ الگوریتم ژنتیک؛ یادگیری عمیق؛ شبکه عصبی کانولوشنال؛ ویژگی طیفی؛ ویژگی آماری؛ مومنت؛ کمولنت | ||
| موضوعات | ||
| اخلال و فریب(مخابراتی، راداری، کنترل، مراقبت و ناوبری) | ||
| عنوان مقاله [English] | ||
| Automatic modulation classification of DVB-S2X in terms of GEO channel interferences and destructive effects of hardware based on the integration of conventional and evolutionary approaches | ||
| نویسندگان [English] | ||
| Mohammad Sabbagh1؛ Hamid Reza Khodadadi2؛ Hammed Ahmadian3 | ||
| 1PhD student, Imam Hossein University (AS), Tehran, Iran | ||
| 2Associate Professor, Imam Hossein University, Tehran, Iran | ||
| 3Assistant Professor, Imam Hossein University, Tehran, Iran | ||
| چکیده [English] | ||
| The classification modulation is operation between signal detection and demodulation in the physical layer and has been considered in the field of cognitive radio. so far no comprehensive research has been done in the DVB-S2X satellite signal modulation classification in the presence of GEO satellite channel effects. In this article, the conventional automatic modulation classification approach based on artifical features is combined with the evolutionary automatic modulation classification approach based on deep learning. Hiden and meaninful features of artificial features are automatically extracted by convolutional neural network. Also, the selection and optimization of artificial features is achieved by NSGAII multi-objective genetic algorithm. The proposed algorithm performs automatic modulation classification of nine similar and nested modulations including high-order APSK modulations of the DVB-S2X signal. The proposed automatic modulation classification is evaluated with the presence of channel impeaments. The channel impeaments is effects of non-linear/non-ideal equipments including satellite transponder, ground station transmitter and the ground receiver terminal. performance of our manner is compared with other two methods. Using optimal artificial features despite the use of light convolutional neural network is strong performance in automatic modulation classification. In the signal to noise ratio above 5 dB, the overal accuracy is 100% in AWGN channel and 97% in GEO satellite channel. Also 100% classification accuracy was achieved for the value of signal to noise ratio which is lower than the value of signal to noise ratio of DVB-S2X standard. | ||
| کلیدواژهها [English] | ||
| Automatic Modulation Classification, Transponder, Genetic Algorithm, deep learning, Convolutional Neural Network, feature extraction, Spectral feature, Statistics feature, Moment, Cumulant | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 180 |
||