본 논문에서는 미리 정의된 키 피쳐(keyfeature)를 수신된 변조 신호로부터 추출하여 동등 이득 조합(equal gain combining) 기법을 적용하는 자동 변조 인식 알고리즘을 제안하곡 의사 결정 이론(decision-theoretic) 알고리즘과 제안된 알고리즘의 성능을 비교, 분석하였다. 제안된 변조 인식 알고리즘은 키 피쳐 추출 단위인 세그먼트별로 미리 정의된 5 가지 종류의 키 피쳐를 추출하고, 전체 프레임에 걸쳐 평균화된 각 키 피쳐값을 결정-순서도(decision flowchart)에 적용하여 수신 신호의 변조 형식을 구분한다. 제안된 알고리즘의 성능을 검증하기 위하여 아날로그 변조 신호인 AM, FM, SSB 신호와 디지털 변조 신호인 FSK2, FSK4, PSK2, PSK4 신호를 대상으로 SNR의 변화 및 신호 수집 시간의 변화에 따른 변조 인식 성공률을 측정하였다. 그 결과 제안된 알고리즘이 기존의 의사 결정 이론 알고리즘에 거의 근접하는 성능을 나타내면서 낮은 복잡도를 나타내었다.
본 논문에서는 미리 정의된 키 피쳐(key feature)를 수신된 변조 신호로부터 추출하여 동등 이득 조합(equal gain combining) 기법을 적용하는 자동 변조 인식 알고리즘을 제안하곡 의사 결정 이론(decision-theoretic) 알고리즘과 제안된 알고리즘의 성능을 비교, 분석하였다. 제안된 변조 인식 알고리즘은 키 피쳐 추출 단위인 세그먼트별로 미리 정의된 5 가지 종류의 키 피쳐를 추출하고, 전체 프레임에 걸쳐 평균화된 각 키 피쳐값을 결정-순서도(decision flowchart)에 적용하여 수신 신호의 변조 형식을 구분한다. 제안된 알고리즘의 성능을 검증하기 위하여 아날로그 변조 신호인 AM, FM, SSB 신호와 디지털 변조 신호인 FSK2, FSK4, PSK2, PSK4 신호를 대상으로 SNR의 변화 및 신호 수집 시간의 변화에 따른 변조 인식 성공률을 측정하였다. 그 결과 제안된 알고리즘이 기존의 의사 결정 이론 알고리즘에 거의 근접하는 성능을 나타내면서 낮은 복잡도를 나타내었다.
We propose an automatic modulation recognition scheme which extracts pre-defined key features from the received signal and then applies equal gain combining method to determine the used modulation. Moreover, we compare and analyze the performance of the proposed algorithm with that of decision-theor...
We propose an automatic modulation recognition scheme which extracts pre-defined key features from the received signal and then applies equal gain combining method to determine the used modulation. Moreover, we compare and analyze the performance of the proposed algorithm with that of decision-theoretic algorithm. Our scheme extracts five pre-defined key features from each data segment, a data unit for the key feature extraction, which are then averaged over all the segments to recognize the modulation according to the decision procedure. We check the performance of the proposed algorithm through computer simulations for analog modulations such as AM, FM, SSB and for digital modulations such as FSK2, FSK4, PSK2, and PSK4, by measuring recognition success rate varying SNR and data collection time. The result shows that the performance of the proposed scheme is comparable to that of the decision-theoretic algorithm with less complexity.
We propose an automatic modulation recognition scheme which extracts pre-defined key features from the received signal and then applies equal gain combining method to determine the used modulation. Moreover, we compare and analyze the performance of the proposed algorithm with that of decision-theoretic algorithm. Our scheme extracts five pre-defined key features from each data segment, a data unit for the key feature extraction, which are then averaged over all the segments to recognize the modulation according to the decision procedure. We check the performance of the proposed algorithm through computer simulations for analog modulations such as AM, FM, SSB and for digital modulations such as FSK2, FSK4, PSK2, and PSK4, by measuring recognition success rate varying SNR and data collection time. The result shows that the performance of the proposed scheme is comparable to that of the decision-theoretic algorithm with less complexity.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
제안 방법
5) 신호 특성 중 절대 주파수 성분의 표준 편차를 의미하는 식(10)의 키 피쳐를 추출한 후 임계치 t。1을 적용해 FM 신호를 분류하고 t ° 2를 적용하여 FSK2와 FSK4 신호를 분류한다.
여기서 丿七와 /s는 데시메이션으로 인해 변화된 중심 주파수와 샘플링 주파수를 의미한다. 두 번째 처리 과정은 힐버트 변환에 의해 각 세그먼트의 첫 부분과 마지막 부분에 나타나는 비정상적인 리키지 (leakage) 성분을 제거하는 과정으로 세그먼트 앞, 뒤의 일정 샘플 개수만큼을 제거함으로써 처리할 수 있다. 이와 같은 두 가지 처리 과정을 수행한 후 식(4),(5), (8), (10) 의 키 피쳐를 추출하게 된다.
동등 이득 조합 방식을 통해 신호 수집 시간 10ms 이상, SNR 10dB 하에서 95% 이상의 변조 인식률을 얻을 수 있었다. 변조 신호의 특성을 파악하기 위한 파라미터로 총 5개의 키 피쳐를 구성하였3, IF 신호의 주파수 분해능과 처리 데이터양을 줄이는 목적으로 데시메이션 과정을 포함하였다. 또한, 모의실험 결과 제안된 동등 이득 조합 방식의 성능은 기존에 제안된 의사 결정 방식의 성능과 거의 근사한 변조 인식률을 나타냈으며, 구현의 복잡도와 처리 연산량 측면에서 기존 방식보다 향상된 구조임을 알 수 있었다.
본 논문에서 제안한 동등 이득 조합이 적용된 변조 인식 결정 방식이며, 점선으로 표시된 부분은 기존의 의사 결정 방식을 나타낸 것이다.
본 장에서는 추출된 키 피쳐를 이용하여 수신 신호의 변조 형식을 결정하는 자동 변조 인식기의 구조와 그 동작에 대해 설명한다. 본 논문에서 제안한 변조 인식기는 3개의 하위 시스템으로 구성되고 변조 인식기의 주요 블록은 그림 1과 같은 구조로 구성되어 있다.
본 논문에서는 변조 인식 대상이 되는 AM, FM, LSB, USB, FSK2, FSK4, PSK2, PSK4 신호에 대하여 데시메이션 과정과 동등 이득 조합 방식을 적용한 자동 변조 인식 알고리즘을 제안하였다. 제안된 변조 인식 알고리즘의 성능을 확인하기 위해 본 논문에서는 동등 이득 조합 방식과 기존의 의사 결정 방식을 적용한 변조 인식률을 모의실험을 통해 비교해 보았다.
본 논문에서는 수집된 수신 신호로부터 분할화 (Segmentation) 과정을 통해 얻어진 세그먼트별로 미리 정의된 키 피쳐 값을 추출하고 이러한 키 피쳐 값 들의 전체 수신 신호에 대한 동등 이득 조합을 산출한 후, 그 결과를 변조 형식 결정에 적용하는 자동 변조 인식 알고리즘을 제안한다. 제안한 변조 인식 알고리즘은 AM, FM, LSB, USB, PSK2, PSK4, FSK2, FSK4 신호를 인식 대상 신호로 하였고, [2]와 [3] 에서 나타난 열악한 변조 인식률을 개선하여, SNR 10dB 하에서 95% 이상의 변조 인식률을 얻을 수 있었다.
민간이나 군용에서는 이러한 통신 신호를 모니터링하거나 식별하는 응용钊 발전되어 왔는데, 민간에서는 통신 활동의 제어나 허가되지 않은 전송기기 등을 감시할 필요성에 의해 진행되었고, 군용에서는 전자전(electronic warfare)과 같은 감지 및 탐지 공격을 목적으로 진행되어 왔다. 이러한 신호 감지를 위하여 기존의 변조 인식기에서는 각 변조 형식별로 고안된 복조기 뱅크 (demodulator bank)를 이용하여 운영자가 복조기의 복조 결과를 관찰하고 분석하는 과정을 통해 수신 신호의 변조 형식을 결정하였다. 그러나 이 방식은 긴 신호 관찰 시간과 경험이 풍부한 운영자를 필요로 하며, 인식 대상 변조 형식의 수량만큼 복조기 뱅크를 확보해야 하는 어려움이 있었다 吐 이러한 기존의 변조 인식기를 개선하고 사전에 변조 신호에 대한 정보가 없는 상황에서 아날로그 및 디지털 변조 신호로부터 변조 형식을 인식하는 다양한 기법이 연구되었다 1기 心.
본 논문에서는 변조 인식 대상이 되는 AM, FM, LSB, USB, FSK2, FSK4, PSK2, PSK4 신호에 대하여 데시메이션 과정과 동등 이득 조합 방식을 적용한 자동 변조 인식 알고리즘을 제안하였다. 제안된 변조 인식 알고리즘의 성능을 확인하기 위해 본 논문에서는 동등 이득 조합 방식과 기존의 의사 결정 방식을 적용한 변조 인식률을 모의실험을 통해 비교해 보았다. 동등 이득 조합 방식을 통해 신호 수집 시간 10ms 이상, SNR 10dB 하에서 95% 이상의 변조 인식률을 얻을 수 있었다.
제안한 알고리즘의 성능 분석을 위해 다음과 같은 모의실험 파라미터를 설정하고 모의실험을 통해 나타난 기존의 의사 결정 방식과 동등 이득 조합을 적용한 방식의 변조 인식 성공률을 비교, 분석한다.
표 2의 변조 신호별 평균 파워를 적용하여 SNR 103B하에서 측정한 각 키 피쳐별 확률 분포를 구하고, 그 결과로 각 키 피쳐를 통해 인식 대상 변조 신호를 구분하는 결정-순서도를 그림 5와 같이 구성하였다.
성능/효과
제안된 변조 인식 알고리즘의 성능을 확인하기 위해 본 논문에서는 동등 이득 조합 방식과 기존의 의사 결정 방식을 적용한 변조 인식률을 모의실험을 통해 비교해 보았다. 동등 이득 조합 방식을 통해 신호 수집 시간 10ms 이상, SNR 10dB 하에서 95% 이상의 변조 인식률을 얻을 수 있었다. 변조 신호의 특성을 파악하기 위한 파라미터로 총 5개의 키 피쳐를 구성하였3, IF 신호의 주파수 분해능과 처리 데이터양을 줄이는 목적으로 데시메이션 과정을 포함하였다.
변조 신호의 특성을 파악하기 위한 파라미터로 총 5개의 키 피쳐를 구성하였3, IF 신호의 주파수 분해능과 처리 데이터양을 줄이는 목적으로 데시메이션 과정을 포함하였다. 또한, 모의실험 결과 제안된 동등 이득 조합 방식의 성능은 기존에 제안된 의사 결정 방식의 성능과 거의 근사한 변조 인식률을 나타냈으며, 구현의 복잡도와 처리 연산량 측면에서 기존 방식보다 향상된 구조임을 알 수 있었다. 향후 연구 내용으로는 효과적인 신호 관찰 범위 선택과 변조 인식 성능 향상을 위한 적응형 대역폭 추정 (adaptive band- width estimation) 과정이 필요하며, 가정 사항으로 설정한 데이터 심볼률 등의 파라미터를 자동으로 추정하는 부분도 연구되어야 할 것이다.
표 4 ~ 6에서 보는 바와 같이, 제안된 동등 이득 조합 방식을 적용한 결과 변조 인식 성공률이 SNR 10dB 하에서 95% 이상의 성능을 나타내었고, 디지털 신호의 경우, 표에 반영하진 않았지만 SNR 6dB 이상에서 두 방식 모두 100%의 인식 성공률을 나타내었다. 모의실험 결과에 보듯이, 아날로그 신호에 대한 변조 인식률은 신호 수집 시간별로 근접한 성능을 나타내었고 수집 시간이 길어질수록 두 알고리즘 간의 성능 차이가 거의 없는 경향으로 진행됨을 알 수 있다.
수신 신호 프레임 내의 특정 세그먼트에서 추출한 키 피쳐 값이 예상된 키 피쳐 값과 동떨어진 결과로 나타날 경우, 제안된 결정 방식에 비해 기존의 의사 결정 방식이 인식 성능 측면에서 장점을 갖지만, 식(16)과 같은 평균화된 키 피쳐 값은 하나의 세그먼트로부터 추출된 키 피쳐 값보다 향상된 SNR을 기대할 수 있기 때문에 기존의 방식에 거의 근접한 변조 인식 성능을 기대할 수 있다. 여기서, 두 방식의 연산량을 수식으로 표현하면 다음과 같다.
본 논문에서는 수집된 수신 신호로부터 분할화 (Segmentation) 과정을 통해 얻어진 세그먼트별로 미리 정의된 키 피쳐 값을 추출하고 이러한 키 피쳐 값 들의 전체 수신 신호에 대한 동등 이득 조합을 산출한 후, 그 결과를 변조 형식 결정에 적용하는 자동 변조 인식 알고리즘을 제안한다. 제안한 변조 인식 알고리즘은 AM, FM, LSB, USB, PSK2, PSK4, FSK2, FSK4 신호를 인식 대상 신호로 하였고, [2]와 [3] 에서 나타난 열악한 변조 인식률을 개선하여, SNR 10dB 하에서 95% 이상의 변조 인식률을 얻을 수 있었다. 또한, [3]~[5] 에서 적용된 의사 결정 접근 방식에 비해 낮은 복잡도를 가지면서, 이에 근접하는 변 조 인식률을 얻을 수 있었다.
표 4 ~ 6에서 보는 바와 같이, 제안된 동등 이득 조합 방식을 적용한 결과 변조 인식 성공률이 SNR 10dB 하에서 95% 이상의 성능을 나타내었고, 디지털 신호의 경우, 표에 반영하진 않았지만 SNR 6dB 이상에서 두 방식 모두 100%의 인식 성공률을 나타내었다. 모의실험 결과에 보듯이, 아날로그 신호에 대한 변조 인식률은 신호 수집 시간별로 근접한 성능을 나타내었고 수집 시간이 길어질수록 두 알고리즘 간의 성능 차이가 거의 없는 경향으로 진행됨을 알 수 있다.
후속연구
또한, 모의실험 결과 제안된 동등 이득 조합 방식의 성능은 기존에 제안된 의사 결정 방식의 성능과 거의 근사한 변조 인식률을 나타냈으며, 구현의 복잡도와 처리 연산량 측면에서 기존 방식보다 향상된 구조임을 알 수 있었다. 향후 연구 내용으로는 효과적인 신호 관찰 범위 선택과 변조 인식 성능 향상을 위한 적응형 대역폭 추정 (adaptive band- width estimation) 과정이 필요하며, 가정 사항으로 설정한 데이터 심볼률 등의 파라미터를 자동으로 추정하는 부분도 연구되어야 할 것이다.
참고문헌 (5)
E. E. Azzouz, A. K. Nandi, Automatic Modulation Recognition of Communication Signals, Kluwer, 1996
T. G. Callaghan, J. L. Pery, and J. K. Tjho, 'Sampling and algorithms and modulation recognition,' Microwaves RF, Vol. 24, No.9, pp. 117-119, 121, September 1985
L. V. Dominguez, J. M. Borrallo and J. P. Garcia, 'A general approach to the automatic classification of radio communication signals,' Signal Processing, Vol. 22, No.3, pp. 239-250, March 1991
※ AI-Helper는 부적절한 답변을 할 수 있습니다.