دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته مهندسی برق گرایش برق-مخابرات
با عنوان :تشخیص خودکار نوع مدولاسیون دیجیتال در سیستم های
OFDM
پایاننامه برای دریافت درجه کارشناسی ارشد
در رشته مهندسی برق گرایش مخابرات
تشخیص خودکار نوع مدولاسیون دیجیتال در سیستمهای OFDM
استاد راهنما:
دكتر عطاالله ابراهیم زاده شرمه
اساتید مشاور:
دكتر محمدرضا ذهابی
دكتر بیژن عباسی آرند
1393
تکه هایی از متن به عنوان نمونه :
چکیده
تشخیص مدولاسیون را میتوان یکی از بخشهای اصلی گیرندههای نوین مخابراتی دانست. شناساگر خودكار نوع سیگنال، عمل تعیین نوع مدولاسیون سیگنال دریافتی را در بین مجموعه ای از مدولاسیونها به صورت خودکار انجام میدهد. اكثر سیستمهای شناساگر خودکار نوع مدولاسیون در تشخیص تعداد بالای مدولاسیون عملکرد نامناسبی داشته و نیز در شرایط سیگنال به نویز پایین، بازدهی کمی دارند. این نوع سیستمها جهت تشخیص، نیاز به تعداد بالایی از ویژگیهای کلیدی دارند. به دلیل کاربرد روزافزون سیگنال دیجیتال در مخابرات و تلاش جهت انتقال اطلاعات با نرخ بالا در سیستمهای مبتنی بر OFDM، در این پژوهش، تلاش شده است تا با انتخاب ویژگیهای بسیار كارا و استفاده از طبقه بندی كنندهی موثر، شناساگر مناسبی ارائه داده شود. در شناساگر پیشنهادی در بخش استخراج ویژگی، از ویژگیهای آمارگان مرتبهی بالا (ممانها وکومولانها تا مرتبهی هشتم) براساس طبقه بندی کننده ماشین بردار پشتیبان استفاده شده است. لازم به ذکر است در این پایان نامه به صورت محدود از OFDM بهره برده و تاثیر سیستم OFDM بر ویژگیهای آمارگان مرتبهی بالا مورد بررسی قرار گرفت. در این پایان نامه ، جهت افزایش کارایی سیستم و کاهش همبستگی میان ویژگیها، برای اولینبار در این حوزه، ترکیب خطی ویژگیها، به عنوان روشی جدید ارائه داده شده، سپس برای بهینه سازی این ترکیب، از الگوریتم بهینه سازی فاخته استفاده گردیده است. شناساگر پیشنهادی در سیگنال به نویز dB10- ، به درصد موفقیت %98.33 دست یافته است. مدولاسیونهایی که در این پژوهش مورد بررسی قرار گرفته عبارتند از: 4ASK، 8ASK، 2PSK ،4PSK ،8PSK، 16QAM، 64QAM، 128QAM،256QAM و V29.
واژههای كلیدی: تشخیص خودکار نوع مدولاسیون، ترکیب خطی بردار ویژگی، تشخیص الگو، سیستم OFDM، کانال محوشونده، ماشین بردار پشتیبان.
صفحه | فهرست مطالب | عنوان |
1 | پیشگفتار | |
3 | 1- مقدمهای بر سیستم شناسایی خودكار نوع مدولاسیون | |
3 | 1-1- آشنایی با سیستم شناسایی خودكار نوع مدولاسیون و برخی از كاربردهای آن | |
3 | 1-1-1- سیر تحول و توسعه سیستم های مخابراتی دیجیتال | |
6 | 1-1-2- اهمیت و کاربردهای سیستم شناسایی نوع مدولاسیون | |
8 | 1-2- سیر تكامل روش های شناسایی نوع مدولاسیون | |
8 | 1-3- دسته بندی كلی روشهای خودكار شناسایی نوع مدولاسیون | |
10 | 1-4- مروری بر تحقیقات گذشته | |
12 | 1-5- جمعبندی و ساختار پایاننامه | |
14 | نتیجه گیری | |
15 | 2- انتخاب ویژگیهای مرتبه بالا و مطالب مورد نیاز | |
15 | مقدمه | |
15 | 2-1- مروری بر مدولاسیون های دیجیتال | |
17 | 2-2- مفهوم استخراج ویژگی | |
18 | 2-3- ممانها و کومولانهای مرتبهی بالا | |
18 | 2-3-1 ممان ها | |
28 | 2-3-2-كومولانها | |
37 | 2-4- مطالب مورد نیاز | |
37 | 2-4-1- کانال چند مسیری | |
39 | 2-4-2- سیستم OFDM | |
39 | 2-4-2-1- تاریخچه مدولاسیون OFDM | |
40 | 2-4-2-2- مفهوم مالتی پلکسینگ | |
41 | 2-4-2-3- معرفی مدولاسیون OFDM | |
43 | 2-4-2-4- مدل OFDM | |
45 | 2-4-2-5- مزایا و معایب OFDM | |
46 | 2-4-3- ماشین بردارهای پشتیبان (SVM) | |
46 | 2-4- 3-1- SVM خطی و غیرخطی | |
51 | 2-4-3-2- SVM چند کلاسه | |
51 | 2-4-4- الگوریتم بهینهسازی فاخته (COA) | |
52 | 2-4-4-1- زندگی و تخمگذاری فاخته | |
53 | 2-4-4-2- جزییات الگوریتم بهینهسازی الهام گرفته از فاخته | |
57 | نتیجهگیری | |
59 | 3- معرفی روش پیشنهادی و نتایج شبیهسازیها | |
59 | مقدمه | |
59 | 3-1- الگوریتم فاخته در بهینه سازی عملکرد سیستم استخراج ویژگی | |
59 | 3-1-1- انتخاب ویژگی | |
62 | 3-1-2- روش پیشنهادی جهت بهبود عملکرد سیستم استخراج ویژگی | |
63 | 3-1-2- نحوه به کارگیری الگوریتم فاخته به منظور انتخاب ویژگی | |
64 | 3-2- نتایج شبیهسازی | |
65 | 3-2-1- شناسایی نوع مدولاسیون به کمک تمام ویژگیها (آمارگان مرتبهی بالا) | |
66 | 3-2-1-1- نتایج شبیهسازی به کمک طبقهبندی کننده SVM در کانال AWGN | |
69 | 3-2-1-2- نتایج شبیهسازی به کمک طبقهبندی کننده SVM در کانالهای محوشونده | |
74 | 3-2-2- نتایج شبیه سازی به کمک سیستم استخراج ویژگی پیشنهادی | |
89 | 3-3- مقایسه عملکرد سیسستم پیشنهادی با کارهای انجام شده در این زمینه | |
90 | 3-4- نتیجه گیری | |
92 | 4- جمع بندی و پیشنهاد ادامه كار | |
92 | 4-1- جمع بندی | |
95 | 4-2- پیشنهادات | |
96 | پیوستها | |
100 | منابع و ماخذ | |
صفحه | فهرست اشكال | عنوان |
16 | شکل 2-1- نمایش چیدمان (منظومه) برخی از مدولاسیونهای دیجیتال | |
18 | شكل 2-2- نمایش نمودار ویژگیهای ایدهآل از سیگنال ها بر حسب SNR | |
21 | شكل 2-3- نمایش مقدار ویژگی ممان ها برای 100 سیگنال از هر مدولاسیون. | |
21 | شكل 2-3- الف-مقدار ویژگی ممان دو-صفر | |
22 | شكل 2-3- ب-مقدار ویژگی ممان دو-یک | |
22 | شكل 2-3- پ-مقدار ویژگی ممان چهار-صفر | |
23 | شكل 2-3- ت-مقدار ویژگی ممان چهار-یک | |
23 | شكل 2-3- ج-مقدار ویژگی ممان چهار-دو | |
24 | شكل 2-3- چ-مقدار ویژگی ممان شش-صفر | |
24 | شكل 2-3- ح-مقدار ویژگی ممان شش-یک | |
25 | شكل 2-3- خ-مقدار ویژگی ممان شش-دو | |
25 | شكل 2-3- د-مقدار ویژگی ممان شش-سه | |
26 | شكل 2-3- ذ-مقدار ویژگی ممان هشت-صفر | |
26 | شكل 2-3- ر-مقدار ویژگی ممان هشت- یک | |
27 | شكل 2-3- ز-مقدار ویژگی ممان هشت- دو | |
27 | شكل 2-3- س-مقدار ویژگی ممان هشت- سه | |
28 | شكل 2-3- ش-مقدار ویژگی ممان هشت- چهار | |
شكل 2-4- مقدار میانگین کومولانها را در SNR های متفاوت برای هر نوع مدولاسیون. | ||
31 | شكل 2-4- الف- مقدار ویژگی کومولان چهار-صفر | |
31 | شكل 2-4-ب- مقدار ویژگی کومولان چهار- یک دو | |
32 | شكل 2-4-پ-مقدار ویژگی کومولان چهار- دو | |
32 | شكل 2-4-ت-مقدار ویژگی کومولان شش-صفر | |
33 | شكل 2-4-ث-مقدار ویژگی کومولان شش-یک | |
33 | شكل 2-4-ج-مقدار ویژگی کومولان شش-دو | |
34 | شكل 2-4-چ-مقدار ویژگی کومولان شش-سه | |
34 | شكل 2-4-ح-مقدار ویژگی کومولان هشت-صفر | |
35 | شكل 2-4-خ-مقدار ویژگی کومولان هشت- یک | |
35 | شكل 2-46-د-مقدار ویژگی کومولان هشت- دو | |
36 | شكل 2-4-ذ-مقدار ویژگی کومولان هشت- سه | |
36 | شكل 2-4-ر-مقدار ویژگی کومولان هشت- چهار | |
42 | شکل 2-5- سیستم چندحاملی معمولی و سیستم چندحاملی متعامد | |
42 | شکل2-6- طیف سمبل OFDM | |
44 | شکل2-7- بلوک دیاگرام سیستم OFDM | |
49 | شکل2-8- نمایش بردار تکیهگاه در دو دسته داده آموزشی قابل تفکیک | |
52 | شکل 2-9- رفتار فاخته در طبیعت | |
54 | شکل 2-10- تخمگذاری فاخته در شعاع تخمگذاری (ELR) | |
55 | شکل 2-11- مهاجرت فاخته ها به سمت نقطه هدف | |
56 | شکل2-12- روندنمای الگوریتم بهینه سازی فاخته | |
3- معرفی روش پیشنهادی و نتایج شبیهسازیها | ||
63 | شکل3-1- سیستم پیشنهادی استخراج ویژگی | |
64 | شکل 3-2- روندنمای سیستم ترکیبی هوشمند | |
66 | شكل 3-3- دیاگرام كلی شناساگر مدولاسیون براساس استخراج ویژگیها آمار گان مرتبه بالا | |
67 | شکل 3-4- عملکرد SVM در SNRهای مختلف به ازای تمام ویژگیها | |
شکل 3-5- مقدار چند آمارگان مرتبهی بالا برای سیستم OFDM | ||
70 | شکل 3-5-الف- مقدار میانگین ممان چهار-صفر در کانال رایلی تخت سریع | |
70 | شکل 3-5-ب- مقدار میانگین ممان هشت-صفر در کانال رایلی تخت سریع مرتبه | |
71 | شکل 3-5-پ- مقدار میانگین ممان هشت-صفر در کانال رایلی فرکانس گزین سریع | |
71 | شکل 3-5-ت- مقدار میانگین ممان شش-سه در کانال رایلی فرکانس گزین سریع | |
72 | شکل 3-5-ث- مقدار میانگین ممان شش-سه در کانال رایسین فرکانس گزین سریع | |
شکل3-6- عملکرد SVM در SNR های مختلف، کانال محوشونده با همه ویژگیها | ||
73 | شکل3-6-الف- عملکرد SVM در SNR های متفاوت در کانال رایلی تخت و آهسته | |
73 | شکل3-6-ب- عملکرد SVM در SNR های متفاوت در کانال رایلی فرکانس گزین سریع | |
77 | شکل3-7- مقدار تابع هزینه بهترین فاخته در هر تکرار | |
78 | شکل3-8- ویژگی جدید برای تمامی مدولاسیونها در SNR های متفاوت | |
79 | شکل3-9- ویژگی جدید برای تمامی مدولاسیونها در SNR هایی با بازه بیشتر | |
81 | شکل 3-10- مقایسه عملکرد شناساگر با تمام ویژگیها و ویژگیهای بهینه | |
83 | شکل 3-11- مقادیر ویژگی جدید در کانال محو شونده رایلی | |
84 | شکل 3-12- مقادیر ویژگی جدید در کانال محوشونده رایسین | |
85 | شکل 3-13- عملکرد سیستم با ویژگی جدید در کانال محوشونده رایلی فرکانس گزین سریع | |
85 | شکل 3-14- عملکرد شناساگر با ویژگی جدید، کانال محوشونده رایلی فرکانس گزین آهسته | |
86 | شکل 3-15- عملکرد شناساگر با ویژگی جدید در کانال محوشونده رایسین فرکانسی تخت | |
86 | شکل 3-16- مقایسه عملکرد کلی شناساگر با ویژگی جدید در کانال محوشونده رایلی | |
صفحه | فهرست جداول | عنوان |
20 | جدول 2-1- روابط ممان های موثر | |
29 | جدول 2-2- روابط کومولان های موثر | |
30 | جدول2-2- مقادیری از ممانها و کومولانها برای سیگنال بدون نویز | |
50 | جدول 2-3- برخی از توابع کرنل معروف | |
65 | جدول 3-1- پارامترهای کانالهای محوشونده | |
67 | جدول 3-2- عملکرد SVM در SNR های متفاوت | |
68 | جدول 3-3- ماتریس صحت عملکرد SVM درSNR= -10 با بهره گرفتن از تمام ویژگیها | |
68 | جدول 3-4- ماتریس صحت عملکرد SVM درSNR= -4 با بهره گرفتن از تمام ویژگیها | |
69 | جدول 3-5- ماتریس صحت عملکرد SVM درSNR= 2 با بهره گرفتن از تمام ویژگیها | |
74 | جدول 3-6- ماتریس صحت عملکرد SVM درSNR= -8 dB در کانال رایلی تخت(آهسته) | |
74 | جدول 3-7- ماتریس صحت عملکرد SVM درSNR= -8 dB ، کانال رایسین تخت(آهسته) | |
74 | جدول 3-8- ماتریس عملکرد SVM درSNR= -8 dB ، کانال رایلی فرکانس گزین(سریع) | |
74 | جدول 3-9- ماتریس عملکرد SVM درSNR= -8 dB ، کانال رایسین فرکانس گزین(سریع) | |
75 | جدول 3-10- پارامترهای الگوریتم بهینه سازی فاخته | |
76 | جدول 3-11- زمان اجرا و مقدار حداقل تابع هزینه از COA | |
77 | جدول 3-12- ویژگی و ضرایب متناظر بهینه با بهره گرفتن از الگوریتم COA در کانال AWGN | |
79 | جدول 3-13- میانگین مقادیر ویژگی در بازه های مختلفی از SNR | |
80 | جدول 3-14- درصد تشخیص صحیح شناساگر با ویژگی جدید در SNR های گوناگون | |
80 | جدول 3-15- ماتریس صحت عملکرد شناساگر با ویژگی مبتنی بر COA درSNR=-10dB | |
80 | جدول 3-16- ماتریس صحت عملکرد شناساگر با ویژگی مبتنی بر COA درSNR=-8dB | |
80 | جدول 3-17- ماتریس صحت عملکرد شناساگر با ویژگی مبتنی بر COA درSNR=-6dB | |
81 | جدول 3-18- ماتریس صحت عملکرد شناساگر با ویژگی مبتنی بر COA درSNR=0dB | |
82 | جدول 3-19- ویژگی و ضرایب متناظر بهینه با بهره گرفتن از الگوریتم COA در کانال رایلی | |
82 | جدول 3-20- ویژگی و ضرایب متناظر بهینه با بهره گرفتن از الگوریتم COA در کانال رایسین | |
87 | جدول 3-21- عملکرد سیستم با ویژگی جدید درSNR=-10dB ، رایلی فرکانس گزین سریع | |
87 | جدول 3-22- عملکرد شناساگر با ویژگی جدید درSNR=-8dB ، رایلی فرکانس گزین آهسته | |
88 | جدول 3-23- عملکرد سیستم با ویژگی جدید درSNR=-2dB ، رایسین فرکانس گزین سریع | |
88 | جدول 3-24- عملکرد شناساگر با ویژگی جدید درSNR=4dB ، رایلی فرکانس گزین آهسته | |
88 | جدول 3-25- عملکرد شناساگر با ویژگی جدید درSNR=4dB ، رایلی فرکانس گزین سریع | |
89 | جدول 3-26- عملکرد شناساگر با ویژگی جدید درSNR=6dB ، کانال رایلی تخت سریع | |
90 | جدول 3-27- مقادیر میانگین و واریانس درصد تشخیص صحیح سیستم | |
91 | جدول 3-28- مقایسه سیستم پیشنهادی با کارهای انجام شده |
لیست علایم و اختصارات | ||
ACO | الگوریتم کلونی مورچه (Ant Colony Optimization) | |
ADSL | خط مشترک دیجیتال نامتقارن (Asymmetric Digital Subscriber Line) | |
ASK | کلیدزنی شیفت دامنه (Amplitude Shift Keying) | |
BPSK | کلیدزنی شیفت فاز دودویی (Binary Phase Shift Keying) | |
COA | الگوریتم بهینه سازی فاخته(Cuckoo Optimization Algorithm) | |
CF | تابع مشخصه (Characteristic Function) | |
CP | پیشوند گردشی (Cyclic Prefix) | |
DAB | پخش صدای دیجیتال (Digital Audio Broadcasting) | |
DT | تئوری (نظریه) تصمیم (Decision Tree) | |
DVB_T | اطلاعات ویدئو رادیویی دیجیتال (Digital Video Broadcasting-Terrestrial) | |
ELR | شعاع تخمگذاری (Egg Laying Radius) | |
EP | برنامه ریزی تكاملی (Evolutionary Programming) | |
FFT | تبدیل فوریه سریع (Fast Fourier Transform) | |
FDM | مالتی پلکس تقسیم فرکانسی (Frequency Division Multiplexing) | |
GA | الگوریتم ژنتیک (Genetic algorithm) | |
GI | فاصله زمانی محافظ (Guard Interval) | |
ICA | آنالیز مولفه های مستقل (Indepdent Component Analysis) | |
ICI | تداخل بین حاملی (Inter Carrier Interference) | |
ISI | تداخل بین سمبلی (Inter Symbol Interference) | |
INFOMAX | ماكزیمم سازی اطلاعات(Information Maximization) | |
KKT | تئوری بهینه سازی کراش-کوهن-تاکر (Karush-Kuhn-Tucker) | |
LOS | مولفه مسیر مستقیم (Line-Of-Sight) | |
MCM | مدولاسیون چند كاربری (Multi-Carrier Modulation) | |
ML | ماكزیمم شباهت (Maximum Likelihood) | |
OAA | روش یکی در برابر همه (One-Against -All) | |
OAO | روش یک به یک (One- Against -One) | |
OFDM | مدولاسیون تقسیم فرکانسی متعامد (Orthogonal Frequency Division Multiplexing) | |
تابع چگالی احتمال(probability Density Function) | ||
PDR | گیرنده آشکارساز وسیع(Panoramic Display Receiver) | |
PR | تشخیص الگو (Pattern Recognition) | |
PSO | بهینه سازی ازدحام ذرات(Particle Swarm Optimization) | |
QAM | کلیدزنی دامنه تربیعی (Quadrature Amplitude Keying) | |
QPSK | کلیدزنی شیفت فاز تربیعی (Quadrature Phase Shift Keying) | |
RBF | تابع پایه شعاعی (Radial Basis Function) | |
SASS | اندازه گام خود تطبیقی (Self Adaptive Step Size) | |
SBS | جستجوی برگشتی متوالی (Sequential Backward Search) | |
SFS | روش جستجوی مستقیم متوالی (Sequential Forward Search) | |
SRM | اصل حداقل سازی ریسك ساختاری (Structural Risk Minimization) | |
SNR | نسبت سیگنال به نویز(Signal to Noise Ratio) | |
SVM | ماشین بردار پشتیبان (Support Vectors Machine) | |
TDM | تقسیم زمانی (Time Division Multiplexing) | |
پیشگفتار
امروزه شبیه سازی سیستمهای مخابراتی با توجه به پیچیدگی روز به روز تجهیزات، از اهمیت بالایی برخوردار است. مطالعه و بررسی عملکرد یک سیستم با روش های تحلیلی، سخت و گاهی غیر ممکن بوده و بررسی عملکردهای سیستم مخابراتی مدرن، بدون استفاده از شبیه سازی، ساخت نمونه آزمایشی را اجتناب ناپذیر می کند. اما علیرغم هزینه های بالای ساخت یک نمونه آزمایشی، هزینه های آزمایش در شرایط مختلف چندین برابر هزینه شبیهسازی کامپیوتری خواهد بود. علاوه بر آن شبیه سازی کامپیوتری شرایطی را مورد بررسی قرار میدهد که تولید همه آن شرایط شبیهسازی عملا با یک نمونه ساخته شده، امکان پذیر نیست و ممکن است فراهم نبودن بسترهای زیرساختی، موجب ایجاد شکافی بزرگ میان مباحث تئوری و پیاده سازی عملی شود. دلایل ذکر شده و نیز سهل الوصول بودن استفاده از کامپیوتر، به طور منطقی بر محبوبیت شبیهسازی می افزاید.
یک بخش بسیار مهم در تمامی سیستمهای مخابراتی، بخش بازیابی اطلاعات در گیرنده است. اهمیت این بخش زمانی روشن میگردد که بنا به هر دلیلی، گیرنده از محتوی نوع سیگنال ارسالی در فرستنده و نیز شرایط کانال اطلاع نداشته باشد. تاكنون روشهای مختلفی برای تشخیص خودکار نوع مدولاسیون دیجیتال پیشنهاد شده است که هر کدام، در شرایط گوناگون سعی در ارائه روشی خودکار برای شناسایی نوع مدولاسیون داشته اند. روشهای ارائه شده در دو روش کلی خلاصه میشوند: روشهای مبتنی بر نظریه تصمیم (با معیارهای آماری) و روشهای مبتنی بر تشخیص الگو.
با توجه به سادگی و تعمیمپذیری روشهای مبتنی بر تشخیص الگو در این پایان نامه به دنبال ارائه روشی هستیم تا با آن بتوان ویژگیهای کارایی را از سیگنال استخراج و انتخاب نموده و سپس با بهره گرفتن از مفاهیم تشخیص الگو، نوع مدولاسیون را تشخیص دهیم. در بیشتر سیستمهای پیشنهاد شده قبلی، همواره ویژگیهایی از سیگنال دریافتی در گیرنده استخراج میگردد. این ویژگیها در مرحله بعدی به واحد دیگری به نام واحد طبقه بندیکننده تحویل داده می شود. طبقه بندیکننده ابتدا درصدی از این ویژگیها را برای تمامی کلاسها انتخاب نموده و براساس آنها، فرایندی موسوم به فرایند آموزش داده ها را، پیاده سازی می کند. در حالت آموزش، شناساگر عموما، فضای بردار ویژگی را با شاخص هایی بین کلاسها تقسیم می نماید. سپس در حالت آزمایش، طبقه بندی کننده، براساس درصد باقی مانده از سیگنالها، ویژگیها را با این شاخص های عملکردی میسنجد. کارایی سیستم در این حالت، تابعی براساس درصد تشخیص صحیح سیستم است. هر چقدر ویژگیها از نظر مفاهیم آماری (میانگین، واریانس و غیره) در دو حالت آموزش و تست برای هر کلاس، پایدارتر بوده و نیز نسبت به دیگر کلاسها همبستگی کمتری داشته باشند؛ قدرت تشخیص شناساگر، بیشتر خواهد بود. متناظرا هر سیستمی که به داده های کمتری برای آموزش و آزمایش نیاز داشته باشد قابلیت بیشتری دارد و اصطلاحا نسبت به داده های ندیده مقاومتر است.
در روشهای شناسایی قبلی که مبتنی بر تشخیص الگو هستند ویژگیهایی از سیگنال استخراج شده و بعد از آن این ویژگیها با شناساگری که درصد تشخیص بهتری را ارائه میداد، مورد ارزیابی قرار میگرفت. تقریبا در تمامی کارهای گذشته برای کاهش ابعاد ویژگی و نیز کاهش پیچیدگی سیستم، روشهایی برای انتخاب ویژگی پیشنهاد میگردید. در این روشها عموما از الگوریتمهای تکاملی برای جستجوی سراسری فضای ویژگی استفاده میشده و زیر مجموعه ای از بردار ویژگی که منجر به درصد تشخیص بالاتر میشد به عنوان زیرمجموعه کارا انتخاب میشد. در پارهای از روشها نیز از این الگوریتمها برای بهینه سازی تنظیمات مربوط به طبقه بندی کنندهها استفاده میشد.
از میان طبقه بندی کننده های مورد استفاده در روشهای تشخیص الگو میتوان به شبکه های عصبی مصنوعی، طبقه بندی کننده های فازی، مدار طبقه بندی کننده آستانهای و ماشین بردار پشتیبان اشاره نمود. در بین این شناساگرها، طبقه بند ماشین بردار پشتیبان، به دلیل استفاده از مفاهیم ساختارمحور در کمینهسازی خطا، همواره با استقبال بیشتری از سوی محققان رو به رو بوده است. در این پایان نامه نیز این شناساگر، جهت تفکیک سیگنالهای مدولاسیون دیجیتال استفاده شده است.
فصل اول
مقدمهای بر سیستم شناسایی خودكار نوع مدولاسیون
مقدمه
این فصل به بررسی سیستم شناسایی خودكار نوع مدولاسیون (نوع سیگنال) و برخی از كاربردهای مهم آن، سیر تكامل شناسایی نوع مدولاسیون، دسته بندی کلی روشهای شناسایی نوع مدولاسیون، كارهای انجام شده توسط دیگران، و هدف از انجام این پایان نامه می پردازد.
به سیستمی که عمل تعیین نوع مدولاسیون سیگنال دریافتی را، در بین مجموعه ای از مدولاسیونها به صورت خودکار و هوشمند به عهده دارد؛ شناساگر خودكار نوع سیگنال گفته می شود. به سبب آنکه سیستم با تغییر شرایط کانال، خود را وفق میدهد به این نوع سیستمها، سیستم هوشمند میگویند. فرایند بازشناخت مدولاسیون، مرحله قبل از دمدولاسیون است. در سیستمهای مخابراتی هوشمند، در صورت تشخیص غلط نوع و مرتبه مدولاسیون و به كارگیری یک دمدولاتور نامناسب، ممكن است محتوی اطلاعات سیگنال به طور كامل از دست برود ]1[. تشخیص نوع مدولاسیون هم اکنون یکی از حوزه های مهم پردازش سیگنال در علم مخابرات بوده و هر ساله تلاش های مختلفی از سوی محققان سراسر دنیا برای ارائه سیستمی هوشمند که به طور خودکار شناسایی نوع مدولاسیون را انجام می دهد؛ صورت میگیرد.
- سیر تحول و توسعه سیستمهای مخابراتی دیجیتال
تلگراف به عنوان اولین سیستم مخابرات الکتریکی یک سیستم مخابراتی دیجیتال بود. تلگراف الکتریکی توسط ساموئل مورس[1] اختراع و در سال 1837 به نمایش گذاشته شد. مورس، کد دودویی با طول متغیری را که در آن حروف الفبای انگلیسی با دنبالهای از خطهای تیره [2]و نقطهها[3] (کلمه کد) نمایش داده میشد؛ ابداع نمود. در این کد، حروف با تواتر وقوع بالاتر، با کلمات کد کوتاه و حروف با تواتر وقوع کمتر، با کلمات کد بلندتر نمایش داده میشوند [2].
تقریبا چهل سال بعد از آن، در سال 1875 امیل بودت[4] یک کد دودویی با طول ثابت 5 برای تلگراف ابداع نمود. در کد بودت، اجزای کد دارای طول یکسان بوده و نقطه[5] و فاصله[6] نامیده می شود. هر چند مورس ابداع کننده اولین سیستم مخابراتی دیجیتال (تلگراف) است، اما سر آغاز آنچه ما امروز به عنوان مخابرات دیجیتال مدرن میشناسیم به کار نایکویست[7] (1924) بر میگردد؛ که مسئله حداکثر نرخ دادهی قابل ارسال روی یک کانال تلگرافی با پهنای باند داده شده را بدون وقوع تداخل بین سمبلها بررسی نمود. نایکویست معادلهی (2-1) را برای سیستم تلگراف پیشنهاد نمود که سیگنال ارسالی آن دارای صورت عمودی زیر است[2].
(1-1) |
که در این معادله بیانگر شکل پالس و دنباله دادهی دودویی است که با نرخ بر ثانیه ارسال شده است. نایکویست کار خود را با تعیین شکل پالس بهینه با پهنای باند محدود هرتز به گونه ای آغاز نمود که علاوه بر عدم ایجاد تداخل بین سمبلها در لحظات نمونه برداری ، نرخ بیت نیز حداکثر شود. مطالعات، وی را به این نتیجه، که حداکثر نرخ ارسال پالس بر ثانیه است رساند، که این نرخ را، نرخ نایکویست مینامند. دستیابی به این نرخ ارسال با بهره گرفتن از شکل پالس مقدور است. این شکل پالس امکان بازیابی داده را بدون تداخل بین سمبلها در لحظات نمونهبرداری فراهم می کند. نتیجه کار نایکویست معادل تفسیری از قضیهی نمونهبرداری برای سیگنالهای باند محدود است که بعدها توسط شانون[8] (1948) مطرح شد. قضیهی نمونه برداری چنین بیان میدارد که سیگنال باند محدود را میتوان از روی نمونه های برداشته شده با نرخ نایکویست نمونه در ثانیه با بهره گرفتن از فرمول درونیابی زیر بازسازی نمود.
(1-2) |
هارتلی[9] با الهام از کار نایکویست (1928) مسئله نرخ ارسال مطمئن داده روی یک کانال دارای پهنای باند محدود را با بهره گرفتن از سطوح دامنه چندگانه بررسی نمود. هارتلی از این قیاس منطقی که گیرنده با وجود نویز و تداخل می تواند دامنه سیگنال دریافتی را با دقت معینی مثلا با اطمینان تخمین بزند استفاده کرد. بررسی های هارتلی را به این نتیجه رهنمون ساخت که برای ارسال مطمئن اطلاعات روی یک کانال با پهنای باند محدود، وقتی که حداقل دامنه محدود به (قید توان ثابت) و توان تفکیک دامنه سیگنال دریافتی باشد، یک حداکثر نرخ ارسال داده وجود دارد [3]. یک پیشرفت چشمگیر دیگر در توسعه مخابرات دیجیتال، کار وینر[10] (1942) بود که مسئله تخمین شکل موج یک سیگنال دلخواه را در حضور نویز تجمعی و با مشاهده سیگنال دریافتی بررسی نمود. این مسئله در وامدولهسازی سیگنال مطرح می شود. وینر یک فیلتر خطی را تعیین نمود که خروجی آن بهترین تقریب سیگنال مورد نظر از دید متوسط مجذور است. فیلتر حاصله را، فیلتر خطی بهینه (کولموگارف[11]-وینر) گویند. نتایج هارتلی و نایکویست در مورد حداکثر نرخ ارسال اطلاعات دیجیتال بر کار شانون که به تبیین مبانی ریاضی انتقال اطلاعات و تعیین محدودیتهای پایه سیستمهای مخابرات دیجیتال منجر گردید مقدم بود. شانون در کار پیشگامانهی خود مسئله اساسی انتقال مطمئن اطلاعات را در یک قالب آماری و با بهره گرفتن از مدلهای احتمالی برای منابع اطلاعات و کانالهای مخابراتی فرمولبندی نمود. همچنین نشان داد که اثر محدودیت توان فرستنده، محدودیت پهنای باند و نویز تجمعی را میتوان با کانال مرتبط نموده و در یک پارامتر واحد به نام ظرفیت کانال جای داد. به عنوان مثال در مورد یک نویز تجمعی گوسی سفید (طیف صاف)، ظرفیت یک کانال ایدهآل با پهنای باند محدود برابر است با:
(1-3) |
که در آن متوسط توان ارسالی و چگالی طیفی توان نویز تجمعی است. مفهوم ظرفیت کانال به شرح زیر است: اگر نرخ اطلاعات منبع کمتر از ظرفیت باشد؛ در اینصورت از نظر تئوری امکان انتقال مطمئن اطلاعات (بدون خطا) از طریق این کانال با انتخاب شیوه مناسب کدگذاری وجود دارد. از طرف دیگر اگر باشد مستقل از میزان پردازش انجامشده در فرستنده و گیرنده، امکان انتقال مطمئن وجود ندارد. در نتیجه شانون حدود اساسی انتقال اطلاعات را تبیین و حوزه جدیدی به نام تئوری اطلاعات[12] را بنیان نهاد[3]. کار مهم دیگر در زمینه مخابرات دیجیتال مربوط به کوته لینکف[13] (1947) است که بر مبنای یک رویکرد هندسی[14] سیستمهای مختلف مخابرات دیجیتال را به صورت هماهنگ تجزیه و تحلیل نمود. کار او بعدها توسط وزنکراف[15] و جاکوبس[16] (1965) توسعه داده شد. متعاقب کار شانون، نوبت به کار کلاسیک همینگ[17] در مورد کدهای تصحیح و تشخیص خطا برای مقابله با اثرات تخریبی نویز کانال رسید. کار همینگ در سالهای بعد زمینهساز تحقیقات گسترده ای شد که منجر به کشف کدهای متنوع و قدرتمند جدیدی گردید، و بسیاری از آن ها در پیاده سازی سیستمهای مخابراتی مدرن امروزی به کار میروند. افزایش تقاضا برای انتقال اطلاعات در سه تا چهار دهه گذشته، به همراه توسعه مدارهای مجتمع پیشرفتهتر، به پیدایش سیستمهای مخابراتی بسیار کارآمد و مطمئن منجر گشته است. در جریان این تحولات نتایج اصلی شانون و تعمیم آن نتایج در مورد حداکثر سرعت انتقال روی کانال و حدهای عملکرد قابل دستیابی، نقش شاخص های مرجع برای طراحی سیستمهای مخابراتی را داشته اند. دستیابی به حدود تئوری استخراجشده توسط شانون و سایر محققان مشارکتکننده در توسعه تئوری اطلاعات، هدف غایی تلاش های مستمر در زمینه طراحی و توسعه سیستمهای مخابراتی دیجیتال کارآمدتر، است[3]. گسترش کاربرد مخابرات دیجیتال و فراهم شدن عرصههای گوناگون طراحی و ساخت سیستمهای پیچیده مخابراتی، زمینه را برای ارائه راهحلی جامع و هوشمند جهت شناسایی خودکار پیامهای دریافتی فراهم، و ضرورت رویکرد تحقیقات علمی به این حوزه را لازم نمود.
1-1-2- اهمیت و کاربردهای سیستم شناسایی نوع مدولاسیون
هدف علم مخابرات انتقال درست پیام، با سرعت بالا و مقاوم نسبت به شرایط کانال است. از آنجایی که سیگنال باند پایه به سختی بر این شرایط فائق میآید، نیاز است تا این سیگنال مدوله شود. به عبارت دیگر مدولاسیون، به فرایند نگاشت رشته بیتهای دیجیتال، به سیگنال های قابل انتقال در کانال گفته میشود[3]. بر این اساس تغییر دادن بعضی از ویژگیهای سیگنال، با هدف دستیابی به نرخ بالای انتقال و استفاده بهتر از طیف، شرایط بهره مندی بیشتر کاربران را در باندهای مختلف کانال مخابراتی فراهم میسازد. جهت تمایز سیگنال در طیف و استخراج پیام ارسالشده، لازم است انواع مختلف مدولاسیونها که هر کدام دربردارنده یک ویژگی خاصی از سیگنال ارسالی هستند؛ از یکدیگر شناسایی شوند.
[1] Morse
[2] Dash
[3] Dot
[4] Baudot
[5] Mark
[6] Space
[7] Nyquist
[8] Shanon
[9] Hartley
[10] Wiener
[11] Kolmogorov
[12] Information Theory
[13] Kotelnikov
[14] Geometrical Approach
[15] Wozencraft
[16] Jacibs
[17] Hamming
ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است
متن کامل را می توانید دانلود نمائید
چون فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به طور نمونه)
ولی در فایل دانلودی متن کامل پایان نامه
با فرمت ورد word که قابل ویرایش و کپی کردن می باشند
موجود است
تعداد صفحه :133
قیمت : 14700 تومان
—-
پشتیبانی سایت : * parsavahedi.t@gmail.com
در صورتی که مشکلی با پرداخت آنلاین دارید می توانید مبلغ مورد نظر برای هر فایل را کارت به کارت کرده و فایل درخواستی و اطلاعات واریز را به ایمیل ما ارسال کنید تا فایل را از طریق ایمیل دریافت کنید.
— — —
14,700 تومانافزودن به سبد خرید