Zastosowanie transformacji falkowej i sieci neuronowej w rozpoznawaniu typu modulacji sygnału

• Autorzy: Walenczykowska M. , Kawalec A.

Warianty tytułu

EN

Modulation type recognition based on wavelet transform and neural network

• Konferencja: Krajowa Konferencja Elektroniki. Sesja Specjalna InTechFun POIG.01.03.01-00-159/08 (11. 11-14.06. 2012 ; Darłówko Wschodnie, Polska)
• Języki publikacji: PL

Abstrakty

PL

W artykule omówiono sposób rozpoznawania rodzaju modulacji przy użyciu transformacji falkowej (CWT) oraz sieci neuronowej. Przeanalizowano sygnały M-PSK, M-FSK, M-QAM, M-ASK oraz MSK. W celu wyodrębnienia cech wykorzystano wartość średnią i odchylenie standardowe |CWT| sygnałów nieunormowanych oraz unormowanych. Natomiast skuteczność sieci przetestowano dla sygnałów o stosunku sygnału do szumu równym kolejno 20, 10, 6 oraz 3 dB. Poprawność klasyfikacji wynosiła od 100% (dla S/N = 20 dB) do 81% (dla S/N = 3 dB).

EN

The article investigates possibility of modulation type recognition using wavelet transform (CWT) and neural network. There are five types signal modulation analised: M-PSK, M-FSK, M-QAM, M-ASK and MSK with and without normalization. The mean value and standard deviation of CWT are used as a signal features. Two layer neural network with backpropagation algorithm for training is proposed as classifier. Effectiveness of classifier is 100% for 20 dB signal to noise ratio to 81% for 3 dB signal to noise ratio.

Słowa kluczowe

PL

modulacja; rozpoznawanie; identyfikacja sygnałów; transformacja falkowa; sztuczne sieci neuronowe

EN

modulation recognition; wavelet transform; neural network

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2012
• Tom: Vol. 53, nr 9
• Strony: 120--123
• Opis fizyczny: Bibliogr. 7 poz., wykr.

Twórcy

autor

Walenczykowska M.

autor

Kawalec A.

• Wojskowa Akademia Techniczna, Wydział Elektroniki, Warszawa

Bibliografia

• [1] Hassan K., I. Dayoub, W. Hamouda, M. Berbineau: Automatic Modulation Recognition Using Wavelet Transform and Neural Networks in Wireless Systems. EURASIP Jornal on Advances in Signal Processing, Vol. 2010, Article ID 532898.
• [2] He Bing, Liu Gang, Ge Cun, Gao Jiang: Modulation Recognition of Communication Signal Based on Wavelet RBF Neural Network. 2010 IEEE.
• [3] Maliatsos K., S Vassaki, P. Constantinou: Interclass and Intraclass Modulation Recognition Using the Wavelet Transform. The 18th Annual IEEE International Symposium on Personal, Indoor and Mobile Radio Communications (PIMRC'07).
• [4] Liang Hong, K. C. Ho: Identification of Digital modulation types Rusing ten wavelet transform. Columbia MO 65211, USA, 1999 IEEE.
• [5] Ho K. C., W. Prokopiw, Y. T. Chan: Modulation identification of digital signals by the wavelet trans form. IEE Proc.-Radar, Sonar Navig., Vol. 147, No. 4, August 2000.
• [6] Torrence C., G. P. Compo: A practical Guide to Wavelet Analysis. Dostępny na stronie URL: http://paos.colorado.edu/research/wavelets/.
• [7] Osowski S.: Sieci neuronowe w ujęciu algorytmicznym. Wydawnictwa Naukowo-Techniczne, 1996.