Details

Title: Реализация классификатора типов модуляций OFDM-сигналов: выпускная квалификационная работа бакалавра: направление 11.03.02 «Инфокоммуникационные технологии и системы связи» ; образовательная программа 11.03.02_01 «Системы мобильной связи»
Creators: Горбунов Игорь Николаевич
Scientific adviser: Павлов Виталий Александрович; Уланов Анатолий Михайлович
Other creators: Забалуева Зоя Андреевна
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт физики, нанотехнологий и телекоммуникаций
Imprint: Санкт-Петербург, 2021
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: автоматическая классификация; нейронная сеть; признаки сигнала; типы модуляции; OFDM; имитационное моделирование; точность классификации; automatic classification; neural network; signal features; modulation types; simulation; classification accuracy
Document type: Bachelor graduation qualification work
File type: PDF
Language: Russian
Level of education: Bachelor
Speciality code (FGOS): 11.03.02
Speciality group (FGOS): 110000 - Электроника, радиотехника и системы связи
Links: Отзыв руководителя; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2021/vr/vr21-3183
Rights: Доступ по паролю из сети Интернет (чтение)
Record key: ru\spstu\vkr\15097

Allowed Actions:

Action 'Read' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

Автоматическая классификация типов модуляций является важным этапом разработки интеллектуального приёмопередатчика. Однако в лите-ратуре существует не так много работ, посвящённых классификации сиг-налов OFDM. В данной работе был предложен алгоритм автоматической классификации шести типов модуляций OFDM сигнала: BPSK, QPSK, 16,64,256,1024-QAM. Метод основан на извлечении признаков, в качестве которых были использованы статистики отклонения мгновенного значения амплитуды, кумулянты и адаптивная вейвлет энтропия. С целью выявить алгоритм, дающий оптимальный результат по качеству классификации и по скорости работы, были исследованы различные сочетания используе-мых признаков. Для каждой комбинации признаков было проведено ими-тационное моделирование приёма OFDM сигнала, и получены характери-стические кривые точности классификации исследуемых типов модуляций. По ним была выявлена наилучшая комбинация признаков – 5 кумулянтов и 7 признаков, основанных на адаптивной вейвлет энтропии. Для данного набора признаков дополнительно были построены следующие характери-стики: кривые помехоустойчивости, вероятности ложной тревоги, матрица ошибок. Также лучший классификатор был протестирован на OFDM сиг-налах с различным числом поднесущих. Точность классификации в таком случае не ухудшилась.

Automatic classification of modulation types is an important step in the development of an intelligent transceiver. However, there are not many works in the literature devoted to the classification of OFDM signals. In this paper, an algorithm was proposed for the automatic classification of six types of OFDM signal modulations: BPSK, QPSK, 16,64,256,1024-QAM. The method is based on the extraction of features, which were used as the statistics of the de-viation of the instantaneous value of the amplitude, cumulants and adaptive wavelet entropy. In order to identify the algorithm that gives the optimal result in terms of the quality of classification and the speed of work, various combi-nations of the used features were studied. For each combination of features, simulation modeling of the OFDM signal reception was carried out, and char-acteristic curves of the classification accuracy of the studied types of modula-tions were obtained. Based on them, the best combination of features was iden-tified - 5 cumulants and 7 features based on adaptive wavelet entropy. For this set of features, the following characteristics were additionally constructed: noise immunity curves, false alarm probabilities, and an error matrix. Also, the best classifier was tested on OFDM signals with different numbers of subcarri-ers. In this case, the classification accuracy has not deteriorated.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read
External organizations N2 All Read
External organizations N1 All
Internet Authorized users SPbPU Read
Internet Authorized users (not from SPbPU, N2) Read
Internet Authorized users (not from SPbPU, N1)
-> Internet Anonymous

Usage statistics

stat Access count: 10
Last 30 days: 3
Detailed usage statistics