Cyclic Moment 및 변형 Cumulant를 기반으로 한 아날로그 및 디지털 변조신호 자동변조인식 알고리즘 Automatic Modulation Recognition Algorithm Based on Cyclic Moment and New Modified Cumulant for Analog and Digital Modulated Signals원문보기
본 논문에서는 cyclic moment 및 새로운 인자인 변형 cumulant를 기반으로 하여 아날로그 및 디지털 신호의 변조방식을 인식하는 알고리즘을 제안한다. 각 변조신호들은 cyclic moment 차수에 따라 서로 다른 cycle frequency 특성을 가진다. 이러한 특성을 분류인자로 하여 다양한 변조신호를 효과적으로 분류해 낼 수 있다. 또한 cycle frequency 특성이 같은 변조신호들 간의 분리를 위해서 진폭 및 위상 변화와 변형 cumulant를 decision tree의 분류인자로 사용하였다. 심볼 수, SNR, 주파수 옵셋을 고려하여 알고리즘 성능검증을 수행하였다. 약 819개의 심볼이 수집되었을 경우, 제안하는 자동변조인식 알고리즘은 SNR 10dB 이상, 주파수 옵셋 25% 이하 조건에서 평균 95% 이상의 정확도를 나타내었다.
본 논문에서는 cyclic moment 및 새로운 인자인 변형 cumulant를 기반으로 하여 아날로그 및 디지털 신호의 변조방식을 인식하는 알고리즘을 제안한다. 각 변조신호들은 cyclic moment 차수에 따라 서로 다른 cycle frequency 특성을 가진다. 이러한 특성을 분류인자로 하여 다양한 변조신호를 효과적으로 분류해 낼 수 있다. 또한 cycle frequency 특성이 같은 변조신호들 간의 분리를 위해서 진폭 및 위상 변화와 변형 cumulant를 decision tree의 분류인자로 사용하였다. 심볼 수, SNR, 주파수 옵셋을 고려하여 알고리즘 성능검증을 수행하였다. 약 819개의 심볼이 수집되었을 경우, 제안하는 자동변조인식 알고리즘은 SNR 10dB 이상, 주파수 옵셋 25% 이하 조건에서 평균 95% 이상의 정확도를 나타내었다.
In this paper, we propose an automatic modulation recognition algorithm based on cyclic moment and new modified cumulant for analog and digital modulation signals. It is noteworthy that each modulated signal has different cycle frequency characteristics according to its order of cyclic moment. By me...
In this paper, we propose an automatic modulation recognition algorithm based on cyclic moment and new modified cumulant for analog and digital modulation signals. It is noteworthy that each modulated signal has different cycle frequency characteristics according to its order of cyclic moment. By means of this characteristics as classification features, various modulated signals can be efficiently classified. Also, to identify modulated signals having the same cycle frequency characteristics, we take advantage of the additional classification factors such as variations of envelope and phase as well as modified cumulant. The proposed algorithm was evaluated by considering the number of symbols, SNR, and frequency offset. In the simulation condition where the number of gathered symbols was about 819, and SNR and frequency offset were above 10dB and below 25%, respectively, the average accuracy of the proposed algorithm was more than 95%.
In this paper, we propose an automatic modulation recognition algorithm based on cyclic moment and new modified cumulant for analog and digital modulation signals. It is noteworthy that each modulated signal has different cycle frequency characteristics according to its order of cyclic moment. By means of this characteristics as classification features, various modulated signals can be efficiently classified. Also, to identify modulated signals having the same cycle frequency characteristics, we take advantage of the additional classification factors such as variations of envelope and phase as well as modified cumulant. The proposed algorithm was evaluated by considering the number of symbols, SNR, and frequency offset. In the simulation condition where the number of gathered symbols was about 819, and SNR and frequency offset were above 10dB and below 25%, respectively, the average accuracy of the proposed algorithm was more than 95%.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 cyclic moment 및 변형 cumulant를 기반으로 하여 아날로그 및 디지털 신호의 변조방식을 인식하는 자동변조인식 알고리즘을 제안하였다. 각 변조 방식은 서로 다른 cyclic moment 특성을 가지고 있으며, 변조방식 분류가 가능한 인자를 추출하여 decision tree의 feature로 사용하였다.
본 논문에서는 cyclic moment 및 새로운 인자인 변형 cumulant를 기반으로 하여 아날로그 및 디지털 신호의 변조방식을 인식하는 알고리즘을 제안한다. 각 변조신호들은 cyclic moment의 차수에 따라 서로 다른 cycle frequency 특성을 가진다.
하지만 기존의 cumulant는 주파수 옵셋 상황에서 constellation이 회전하여 각 차수마다 고유의 cumulant 특성이 사라지기 때문에 주파수 옵셋에 강인한 변형 cumulant를 사용하였다. 본 논문에서는 신호의 순시진폭 계산 후 힐버트 변환한 복소신호를 C20와 C21에 입력하여 변형 cumulant 값을 구하고 C20(a)/C21(a)를 분류인자로 사용하는 새로운 알고리즘을 제안한다. 변형 cumulant는 식 (22)-(23)과 같다.
제안 방법
4PSK와 8PSK를 분류하기 위해 입력신호의 정확한 심볼률을 추정하고 심볼 시작 타이밍을 분석하여 한 심볼당 위상각의 절대값의 변화를 구하고 그것의 PSD (Power Spectrum Density)을 도시한다. PSD의 peak 수를 계산하여 각각의 변조방식을 분류한다.
모두 cycle frequency가 존재하지 않기 때문에 각각의 분류를 위해 다른 인자를 사용해야 한다. SSB를 다른 디지털 신호와 분리하기 위해 시간 축 상 아날로그 신호의 순시진폭의 변화폭을 이용하였다. 순시진폭은 I, Q데이터를 이용하여 식 (21)과 같이 구할 수 있다.
본 논문에서는 cyclic moment 및 변형 cumulant를 기반으로 하여 아날로그 및 디지털 신호의 변조방식을 인식하는 자동변조인식 알고리즘을 제안하였다. 각 변조 방식은 서로 다른 cyclic moment 특성을 가지고 있으며, 변조방식 분류가 가능한 인자를 추출하여 decision tree의 feature로 사용하였다. 같은 cyclic moment 특성을 가진 변조신호들의 분류는 진폭변화 유무, 변형 cumulant, 순시진폭의 최대값 및 최소값의 차, 한 심볼간 심볼의 위상 변화를 이용하였다.
각 변조방식 신호를 모의하고, 알고리즘 성능검증을 위해 몬테카를로 시뮬레이션을 수행하였다. 표 2는 변조신호 모의에 적용된 파라미터 값이다.
각 변조 방식은 서로 다른 cyclic moment 특성을 가지고 있으며, 변조방식 분류가 가능한 인자를 추출하여 decision tree의 feature로 사용하였다. 같은 cyclic moment 특성을 가진 변조신호들의 분류는 진폭변화 유무, 변형 cumulant, 순시진폭의 최대값 및 최소값의 차, 한 심볼간 심볼의 위상 변화를 이용하였다. 기존의 일반적인 cumulant를 이용한 constellation 기반 변조신호 분류알고리즘은 주파수 옵셋이 포함된 조건에서는 변조방식 고유의 cumulant 특성이 사라지는 단점이 있다.
이러한 특성을 분류인자로 하여 다양한 변조신호를 효과적으로 분류해 낼 수 있다. 또한 cyclic moment 특성상 같은 군으로 분류되는 변조 방식들의 세부분류를 위해 추가적으로 신호의 envelope 변화, 순시진폭의 min-max차, 한 심볼간 심볼의 위상변화, 변형 cumulant를 분류인자로 사용하였다. 기존에 소개된 일반적인 cumulant를 이용한 방식과는 달리 변형 cumulant인자를 이용하여 주파수 옵셋 상황에서 constellation 기반의 변조신호를 정확히 분류가능하다.
그림 7과 그림 8은 제안하는 자동변조인식 알고리즘의 DT(decision tree)를 나타낸다. 실시간으로 변조인식을 수행하기 위해서 계산량이 비교적 적고 실시간 처리가 가능한 분류인자를 기반으로 하는 DT 방식을 선택하였다. 제안하는 DT를 이용하여 아날로그 신호(CW, AM, SSB, FM) 및 디지털 신호(2/4/8PSK, 2/4/8FSK, MQAM, MSK, OOK)를 분류할 수 있다.
표 2는 변조신호 모의에 적용된 파라미터 값이다. 알고리즘 성능은 SNR, 심볼 수, 주파수 옵셋을 가변하면서 분석하였다. 표 3은 SNR 10dB 조건에 주파수 옵셋은 없을 때 심볼 수에 따른 디지털 변조신호별 변조 방식 판별 결과이다.
실시간으로 변조인식을 수행하기 위해서 계산량이 비교적 적고 실시간 처리가 가능한 분류인자를 기반으로 하는 DT 방식을 선택하였다. 제안하는 DT를 이용하여 아날로그 신호(CW, AM, SSB, FM) 및 디지털 신호(2/4/8PSK, 2/4/8FSK, MQAM, MSK, OOK)를 분류할 수 있다. MQAM의 종류는 16/32/64QAM으로 하였으며 각각의 신호는 하나의 QAM 그룹으로 인식한다.
제안하는 알고리즘에서는 cyclic moment를 다른 후처리 과정 없이 바로 분류인자로 사용가능 하도록 test statistic을 정의하고 이를 이용한다. Test statistic은 식 (11)과 같다.
각 변조방식마다의 순시진폭의 분포가 다르기 때문에 I-Q 그래프상의 평균 복소수 값은 분류하고자 하는 변조방식 (4/8PSK vs QAM, OOK vs AM/2PSK) 각각의 고유의 성질이 되며 C20(a) /C21(a)은 순시진폭 특성에 의해 주파수 옵셋에 관계없이 항상 일정하게 유지되기 때문에 분류인자로 사용이 가능하다. 제안하는 알고리즘은 4/8PSK 및 QAM 구분 그리고 OOK 및 AM/2PSK 구분에 변형 cumulant를 사용한다.
따라서 블라인드 신호의 반송파나 심볼률을 분석하기 위해 다양한 차수의 cyclic moment를 이용할 수 있다 [4]. 제안하는 알고리즘은 계산량을 고려하여 2차 이하의 cyclic moment만을 변조방식 분류인자로 사용하였다.
기존에 소개된 일반적인 cumulant를 이용한 방식과는 달리 변형 cumulant인자를 이용하여 주파수 옵셋 상황에서 constellation 기반의 변조신호를 정확히 분류가능하다. 제안하는 자동변조인식 알고리즘 대상 변조신호는 AM, FM(Frequency Modulation), SSB(Single Side Band), 2/4/8PSK, 2/4/8FSK, OOK(On-Off Keying), QAM, MSK로 하였으며 심볼 수, SNR, 주파수 옵셋을 고려하여 알고리즘의 성능을 검증하였다. 제안한 알고리즘은 실시간 처리가 가능한 구조로 예상된다.
제안하는 자동변조인식 알고리즘은 각 변조방식의 서로 다른 cycle frequency 특성을 이용하여 신호를 분류한다. 같은 cycle frequency 특성을 갖는 신호간의 분류는 진폭 및 위상의 변화, 변형 cumulant를 이용한다.
제안하는 자동변조인식 알고리즘 대상 변조신호는 AM, FM(Frequency Modulation), SSB(Single Side Band), 2/4/8PSK, 2/4/8FSK, OOK(On-Off Keying), QAM, MSK로 하였으며 심볼 수, SNR, 주파수 옵셋을 고려하여 알고리즘의 성능을 검증하였다. 제안한 알고리즘은 실시간 처리가 가능한 구조로 예상된다.
한편, [2]에서는 변조신호마다 서로 다른 SCF (Spectral Coherence Function)의 α-profile을 이용하여 2/4PSK, FSK(Frequency Shift Keying), MSK(Minimum Shift Keying), AM(Amplitude Modulation)신호를 분류하였다.
성능/효과
비교적 낮은 Roll Off Factor의 영향으로 γmax가 임계치보다 낮아져 QAM이 FM로 오인식되는 것을 확인할 수 있다.
예를 들어 100% 옵셋 상황이라면 주파수 옵셋이 심볼률만큼 존재하는 조건이다. 성능분석 결과를 보면, 수집 심볼 수가 약 819개 일 때 SNR 10dB 이상 주파수 옵셋 약 25% 이하인 경우 알고리즘 평균 95% 이상의 정확도를 보인다. 표 4는 그림 9의 SNR 10dB 조건에서의 상세 자동변조인식 결과이다.
실제 블라인드 수신기의 경우, 목표신호의 반송파를 정확히 모르기 때문에 주파수 옵셋을 가진 신호를 수신하게 되며, 이러한 환경을 알고리즘 설계시 반드시 고려해야 할 것으로 판단된다. 알고리즘 성능분석 결과, 약 819개의 심볼이 수집되었을 경우, SNR 10dB 이상, 주파수 옵셋 25% 이하 조건에서 평균 95% 이상의 정확도를 나타낸다. 제안된 알고리즘은 아날로그 및 디지털 신호가 혼재된 실제 통신환경에서의 변조방식 식별에 유용할 것이라 판단한다.
후속연구
알고리즘 성능분석 결과, 약 819개의 심볼이 수집되었을 경우, SNR 10dB 이상, 주파수 옵셋 25% 이하 조건에서 평균 95% 이상의 정확도를 나타낸다. 제안된 알고리즘은 아날로그 및 디지털 신호가 혼재된 실제 통신환경에서의 변조방식 식별에 유용할 것이라 판단한다. 또한 계산량이 적기 때문에 하드웨어로 구현할 경우 실시간 처리도 가능할 것으로 예상된다.
질의응답
핵심어
질문
논문에서 추출한 답변
블라인드 수신기의 역할은?
블라인드 통신신호를 탐지하고 해당 신호의 제원을 분석 및 복원하는 블라인드 수신기는 통신 전자전, 전파 감시, 간섭 신호 식별 등 다양한 분야에서 사용되고 있다. 블라인드 수신기에서 목표신호의 변조방식을 인식하는 자동변조인식 알고리즘은 신호 분석에 있어 필수적인 역할을 한다.
블라인드 수신기는 어떤 분야에서 사용되고 있나?
블라인드 통신신호를 탐지하고 해당 신호의 제원을 분석 및 복원하는 블라인드 수신기는 통신 전자전, 전파 감시, 간섭 신호 식별 등 다양한 분야에서 사용되고 있다. 블라인드 수신기에서 목표신호의 변조방식을 인식하는 자동변조인식 알고리즘은 신호 분석에 있어 필수적인 역할을 한다.
자동변조인식 설계시 주파수 옵셋 환경을 고려해야 하는 이유는?
하지만 cyclic cumulant는 주파수 옵셋 상황에서 constellation이 회전하기 때문에 각 차수마다 고유의 cyclic cumulant 특성이 사라지는 단점이 있다. 실제 블라인드 수신기에서는 목표신호의 정확한 반송파를 예측하기 어렵기 때문에 수집한 신호에는 주파수 옵셋이 존재하게 된다. 따라서 자동변조인식 설계시 주파수 옵셋 환경을 고려하여야 한다.
참고문헌 (6)
O. A. Dobre, Y. Bar-Ness and W. Su, "Higher-order cyclic cumulants for high order modulation classification," Military Communications Conference, vol. 1, pp.112-117, 13-16 Oct. 2003.
A. Fehske, J. Gaeddert and J. H. Reed, "A new approach to signal classification using spectral correlation and neural networks," New Frontiers in Dynamic Spectrum Access Networks, pp.144-150, 8-11 Nov. 2005.
A. V. Dandawate and G. B. Giannakis, "Nonparametric polyspectral estimators for kth-order (almost) cyclostationary process," IEEE Transactions on Information Theory, vol. 40, no. 1, pp.67-84, Jan. 1994.
Z. Yu, "Automatic modulation classification of communication signals," Ph. D. dissertation, New Jersey Institute of Technology, pp.139-203, 2006.
A. V. Dandawate and G. B. Giannakis, "Statistical tests for presence of cyclostationarity," IEEE Transactions on Signal processing, vol. 42, no. 9, pp.2355-2369, Sep. 1994.
A. K. Nandi and E. E. Azzouz, "Algorithms for automatic modulation recognition of communication signals," IEEE Transactions on Communications, vol. 46, no. 4, pp.431-436, Apr. 1998.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.