دوره 11، شماره 1 - ( 6-1393 )                   جلد 11 شماره 1 صفحات 49-58 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Ghasemzadeh M, Hessampour K. Smart Feature Selection for Automatic Modulation recognition using Genetic Programming and Multi-Layer Perceptron Neural Network. JSDP. 2014; 11 (1) :49-58
URL: http://jsdp.rcisp.ac.ir/article-1-115-fa.html
قاسم زاده محمد، حسام پور کریم. تشخیص خودکار مدولاسیون با استفاده از برنامه نویسی ژنتیک و شبکه عصبی چند لایه پرسپترون . پردازش علائم و داده‌ها. 1393; 11 (1) :49-58

URL: http://jsdp.rcisp.ac.ir/article-1-115-fa.html


دانشگاه یزد
چکیده:   (4981 مشاهده)
تشخیص مدولاسیون سیگنال دریافتی گام میانی بین تشخیص سیگنال و دمدولاسیون آن محسوب می شود؛ به طوری که در بسیاری از سیستم های مخابراتی و نظامی تشخیص خودکار مدولاسیون جزئی از سیستم در نظر گرفته می شود. برای تشخیص خودکار مدولاسیون به طور معمول تعدادی ویژگی از سیگنال دریافتی استخراج و به کار گرفته می شود، در این رابطه، انتخاب ویژگی مناسب، تأثیر به سزایی در افزایش کارایی تشخیص خودکار مدولاسیون دارد. در این مقاله با کمک برنامه نویسی ژنتیک از بین ویژگی های ورودی، ویژگی مناسب برای جداسازی هر مدولاسیون تولید و انتخاب می شود. شبیه سازی با سیگنال های مدوله شده با مشخصه سیگنال به نویز پنج و ده دسی بل صورت گرفت. مجموعه ای از آزمایش ها در این پژوهش صورت گرفت که هدف از آنها تعیین میزان کارایی برای سیگنالهای مدوله شده با مدولاسیونهای پرکاربرد و متداول مخابراتی بوده است. پس از انتخاب ویژگی مناسب برای جداسازی مدولاسیونها از شبکه عصبی پرسپترون چند لایه برای جداسازی نوع مدولاسیون استفاده می شود نتایج حاصل نشان می دهد به‌کارگیری ویژگی هایی که سیستم مورد نظر پیشنهاد می دهد منجر به افزایش قابل توجهی در تشخیص دقیقتر و سریعتر نوع مدولاسیون می شود.
متن کامل [PDF 1699 kb]   (1156 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات گروه امنیت اطلاعات
دریافت: 1392/3/22 | پذیرش: 1393/1/23 | انتشار: 1393/6/17 | انتشار الکترونیک: 1393/6/17

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.