Wyniki wyszukiwania - Biblioteka Nauki

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: radio surveillance

Sortuj według:

Ogranicz wyniki do:

Przegląd możliwości rozpoznawania wybranych typów modulacji sygnałów

100%

Walenczykowska M. , Kijewski A.

Przegląd Bezpieczeństwa Wewnętrznego

2014

tom 6

nr 11

206-222

W artykule zaprezentowano skrótowo informacje dotyczące możliwości zastosowania sztucznych sieci neuronowych a następnie omówiono teoretyczne podstawy ich działania, począwszy od uproszczonej budowy neuronu. Przytoczono również podstawowe wzory pozwalające na obliczenie wartości wyjściowych sztucznego neuronu po podaniu na jego wejścia określonych wartości. Następnie przedstawiono wybrane typy modulacji sygnałów, czyli PSK, FSK, QAM, ASK oraz ich własności. Omówiono cechy charakterystyczne ciągłej transformacji falkowej (CWT) obliczonej dla wybranych typów modulacji, pozwalające na rozróżnienie poszczególnych typów modulacji i stanowiących podstawę przedstawionego w pracy algorytmu rozpoznawania typów modulacji z wykorzystaniem ciągłej transformacji falkowej (CWT) i sztucznej sieci neuronowej (SSN). W analizowanym algorytmie na wejścia sieci podawane są wartości średnie i odchylenia standardowe ciągłej transformacji falkowej, obliczonej dla poszczególnych sygnałów zmodulowanych. Zadaniem sieci neuronowej jest z kolei klasyfikacja typu modulacji sygnału na podstawie wspomnianych wyżej cech podawanych na jej wejście. W artykule przedstawiono również wyniki otrzymane podczas badań symulacyjnych wykonanych w środowisku MatLab (firmy MathWorks).

The proper signal classification have a great importance in the domain of electronic surveillance or wireless communication. The article presents a short introduction into neural networks and describes their application. It also lists basic equations which are essential for the neural network theory. In this paper we also recall the most popular modulations types and investigate the possibility of using wavelet transform (CWT) and neural network for the modulation type recognition system. The modulation identification algorithm is also presented and its performance is analyzed. Four types of signal modulation are reviewed: PSK, FSK, QAM, ASK. The mean value and standard deviation of CWT of each modulation type are used as signal features. After the proper features are extracted they are sent to the two layer neural network entry which is proposed as a classifier. We use a back propagation training algorithm. Also simulation results were presented in the article.

Analiza algorytmu automatycznego rozpoznawania modulacji na potrzeby radia kognitywnego oraz systemów rozpoznania radioelektronicznego

51%

Walenczykowska M. , Kawalec A.

Elektronika : konstrukcje, technologie, zastosowania

2015

tom Vol. 56, nr 4

36-39

Potrzeba opracowania skutecznego algorytmu automatycznego rozpoznawania typów modulacji (ang. Automatic Modulation Recognition - AMR) stała się jednym z najważniejszych zagadnień związanych nie tylko z rozwojem systemów rozpoznania radioelektronicznego ale również systemów radia kognitywnego (ang. Cognitive Radio - CR) budowanych w oparciu o radio programowalne (ang. Software Defined Radio - SDR). Praca zawiera opis jednego z proponowanych algorytmów rozpoznawania wybranych typów modulacji, w którym zastosowano transformację falkową (ang. Wavelet Transform - WT) oraz sztuczną sieć neuronową (ang. Artificial Neural Network - ANN). Opisane w pracy badania dotyczyły możliwości identyfikacji następujących modulacji cyfrowych: M-QAM, M-PSK, M-ASK, M-FSK. Transformację falkową zastosowano w celu wyodrębnienia cech charakterystycznych dla każdego z rozpoznawanych typów modulacji. Natomiast jako klasyfikator zastosowano dwa rodzaje sztucznej sieci neuronowej: perceptron wielowarstwowy (ang. Multi-Layer Perceptrone - MLP) oraz sieć radialną (ang. Radial Basis Function - RBF) oraz porównano ich skuteczność. Badania wykonano z wykorzystaniem środowiska MatLab oraz własnych klas i funkcji pozwalających na realizację funkcjonalności sztucznych sieci neuronowych. Przedstawiono problemy zaobserwowane podczas realizacji badań, w szczególności związane z identyfikacją poziomu modulacji dla kluczowania fazy (M-PSK).

Signal intelligence (SIGINT) and cognitive radio (CR) systems are in need of effective, automatic modulation recognition (AMR) algorithm. This task has became one of the most important problems to solve since last ten years. The article presents one of the proposed modulation recognition algorithms where continuous wavelet transform (CWT) is used for signal features extraction and artificial neural network (ANN) acts as classifier. In our researches multilayer perceptron (MLP) and radial basis function (RBF) network were considered and correctness of classification was analyzed. There are M-ary ASK, M-ary PSK, M-ary FSK, M-ary QAM signals used for simulation. The mean value, variance and higher-order moments up to five of continuous wavelet transform (CWT) were taken to consideration as signal features. Principal component analysis (PCA) was applied to reduce number of features. There were two variants analyzed: interclass and intraclass recognition with wide range of signal-to-noise ratio (SNR). In researches we used collection of class and functions created in MatLab code for learning and testing ANN. There are also problems with M-ary PSK intraclass identification problems analyzed.