Details

Объект исследования – коэффициент сближения FTN-сигналов. Цель работы – разработка алгоритма оценки коэффициента сближения FTN-сигналов. В процессе исследования рассмотрены теоретические сведения об FTN-сигналах и их параметрах, а также некоторые существующие исследования, посвященные распознаванию адаптивных параметров сигналов: метода модуляции, коэффициента уплотнения, коэффициента сближения. Построена модель формирования, передачи и приема FTN-сигналов с помощью согласованной фильтрации. На основе моделей искусственных нейронных сетей разработан классификатор коэффициента сближения, в качестве входных данных которого использованы оценки модуляционных символов принимаемого сигнала. Рассмотрено влияние параметров RRC-импульса, отношения сигнал/шум, а также настроечных параметров классификатора на точность правильной классификации коэффициента сближения, определены параметры, обеспечивающие максимальную точность. На их основе разработана схема классификатора с накоплениями статистики по решениям. Найдено минимальное количество анализируемых символов, необходимых для достижения вероятности правильной классификации не менее 99%. Учтены терминологические особенности предметной области и применены программные средства для решения задач. Применено специализированное программно-математическое обеспечение: Matlab, IDE Spyder.

The object of study is packing ratio of FTN-signals. The aim is to develop an algorithm for estimating the packing ratio of FTN-signals. During the study, theoretical information about FTN-signals and their parameters, as well as some existing studies devoted to the recognition of adaptive signal parameters: modulation method, compression factor, packing ratio, were considered. A model for the generation, transmission and reception of FTN-signals using matched filtering has been constructed. Based on artificial neural network models, a packing ratio classifier has been developed, the input data of which is based on estimates of the modulation symbols of the received signal. The influence of the parameters of the forming RRC-pulse, the signal-to-noise ratio, as well as the classifier’s own tuning parameters on the accuracy of the correct classification of the packing ratio is considered, and the parameters that ensure maximum accuracy are determined. Based on these parameters, a classifier scheme with solutions statistics accumulation has been developed. The minimum number of analyzed symbols required to achieve a probability of correct classification of the packing ratio of at least 99% has been found. The terminological features of the subject area are taken into account and software tools are used to solve problems. Specialized software and mathematics were used: Matlab, IDE Spyder.