طبقه بندی مدولاسیونهای دیجیتال با استفاده از شبکه عصبی MLP و تشخیص ویژگی کامیولنت ها

شناساگر خودکار نوع سیگنال، عمل تعیین نوع مدولاسیون سیگنال دریافتی را در بین مجموعه ای از مدولاسیونها به صورت اتوماتیک انجام میدهد و دارای نقش مهمی در تشخیص نوع مدولاسیون سیگنال ماهواره ای دارد. اکثر سیستمهای شناساگر خودکار نوع مدولاسیون که تاکنون ارائه شده در شرایط سیگنال به نویز پایین عملکرد مناسبی ندارند و فقط قادرند تا تعداد محدودی از مدولاسیونها را شناسایی کنند. در این مقاله تشخیص نوع مدولاسیون برای سیگنالهای به کار رفته در یکی از استانداردهای مخابرات ماهواره ای بررسی شده است. در روشهای پیشنهادی این مقاله از کامیولنتها به عنوان ویژگی و از شبکه عصبی MLP به عنوان طبقه بندی کننده استفاده شده است. این روشها به ازای شرایط مختلف شبیه سازی، ارزیابی و براساس عملکرد، میزان پیچیدگی و تجهیزات مورد نیاز برای پیاده سازی مقایسه شده اند. در این مقاله دو مدولاسیون معروف QPSK و 8PSK شبیه سازی و با استفاده از از کامیولنت ها و شبکه عصبی MLP تشخیص و طبقه بندی شده اند. نتایج به دست آمده نشان میدهد خطای تشخیص نوع مدولاسیون در شرایط نویزی نسبت به شرایط نرمال شبکه افزایش می یابد و آموزش شبکه عصبی نیز تحت تاثیر نویز قرار میگیرد.