Детальная информация

Название: 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»
Авторы: Горбунов Игорь Николаевич
Научный руководитель: Павлов Виталий Александрович; Уланов Анатолий Михайлович
Другие авторы: Забалуева Зоя Андреевна
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт физики, нанотехнологий и телекоммуникаций
Выходные сведения: Санкт-Петербург, 2021
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: автоматическая классификация; нейронная сеть; признаки сигнала; типы модуляции; OFDM; имитационное моделирование; точность классификации; automatic classification; neural network; signal features; modulation types; simulation; classification accuracy
Тип документа: Выпускная квалификационная работа бакалавра
Тип файла: PDF
Язык: Русский
Уровень высшего образования: Бакалавриат
Код специальности ФГОС: 11.03.02
Группа специальностей ФГОС: 110000 - Электроника, радиотехника и системы связи
Ссылки: Отзыв руководителя; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2021/vr/vr21-3183
Права доступа: Доступ по паролю из сети Интернет (чтение)
Ключ записи: ru\spstu\vkr\15097

Разрешенные действия:

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

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.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать
Внешние организации №2 Все Прочитать
Внешние организации №1 Все
Интернет Авторизованные пользователи СПбПУ Прочитать
Интернет Авторизованные пользователи (не СПбПУ, №2) Прочитать
Интернет Авторизованные пользователи (не СПбПУ, №1)
-> Интернет Анонимные пользователи

Статистика использования

stat Количество обращений: 5
За последние 30 дней: 2
Подробная статистика