최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기방송공학회논문지 = Journal of broadcast engineering, v.19 no.2, 2014년, pp.195 - 204
안우현 (충북대학교 전자공학과) , 나선필 (국방과학연구소) , 서보석 (충북대학교 전자공학과)
이 논문에서는 순환정상 프로세스의 고차 통계 특성을 바탕으로 2-FSK, 4-FSK, 8-FSK, MSK, BPSK, QPSK, 8-PSK, 16-QAM, 32-QAM, 64-QAM 등 10개의 기저대역 디지털 변조신호를 자동으로 인식하는 방법을 제안하였다. 변조신호의 고유한 성질을 나타내는 특징변수로는 1차 순환 모멘트와 고차 순환 큐뮬런트를 이용하였다. 제안한 변조인식기는 크게 두 단계로 구성되며, 첫 번째 단계에서는 1차 순환 모멘트가 나타내는 첨두치를 이용하여 M-FSK와 비FSK로 변조신호를 분류한다. 두 번째 단계에서는 비FSK를 분류하기 위해 고차 순환 큐뮬런트 값을 이용하는 Gaussian 혼합 모델 기반의 분류기를 적용하였다. 제안한 방법의 성능을 검증하기 위해서 모의실험을 실시하였다. 모의실험 결과 제안한 분류기는 주파수와 위상 옵셋이 존재하는 환경에서도 우수한 분류확률을 나타내었다.
In this paper, we propose an automatic modulation classification method for ten digitally modulated baseband signals, such as 2-FSK, 4-FSK, 8-FSK, MSK, BPSK, QPSK, 8-PSK, 16-QAM, 32-QAM, and 64-QAM based on higher order statistics of cyclostationary process. The first order cyclic moments and higher...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
변조인식은 무엇인가? | 변조인식이란 신호에 대한 사전 정보 없이 수신신호의 변조방식과 파라미터를 추정하는 기술로, 변조식별(modulation identification), 변조인지(modulation recognition), 또는 자동변조분류(automatic modulation classification)라고도 부른다[1]. 수신기에서 변조인식을 통해 변조방식과 파라미터를 추정한 후 수신신호를 심볼 또는 비트로 변환하는 복조를 수행한다. | |
순환정상(cyclostationary) 신호는 무엇인가? | 시간에 따라 주기적으로 변하는 통계적 성질을 가진 신호를 순환정상(cyclostationary) 신호라 한다. 수학적으로 어떤 연속신호 y(t)에 n차 비선형변환 g (·)를 취했을 때그 결과 신호 s (t) = g (y(t))가 유한한 진폭의 정현파 성분을 나타내면 신호 y(t)는 n차 순환정상이라 한다[19]. | |
변조인식 방법 중 특징변수를 이용한 방법에 연구된 특징변수는 무엇이 있는가? | 특징변수를 이용한 방법은 그림 1에 나타낸 바와 같이 특징변수를 추출하는 단계와, 추출된 특징변수를 이용하여 파라미터를 추출하고 변조방식을 분류하는 단계로 구성된다[6]. 지금까지 연구된 특징변수로는 포락선, 순시위상, 순시주파수의 분산[7], 근사 엔트로피(approximate entropy)[8], 웨이블릿 변환(wavelet transformation) 후 진폭의 분산[9], 순시위상의 확률밀도함수[10], 확률적 모멘트(moment) 및 큐뮬런트(cumulant)[11], 신호의 순환정상성(cyclostationarity)을 이용한 특징변수[12-16] 등이 있다. 특히, 신호의 순환 정상성을 특징변수로 이용한 변조인식 방법은 변조신호의 전처리가 불필요하고 반송파 주파수, 심볼율과 같은 사전 정보를 필요로 하지 않는 장점이 있다. |
E. E. Azzouz and A. K. Nandi, Automatic Modulation Recognition of Communication Signals, Kluwer, Boston, MA, 1996.
T. Ulversoy, "Software Defined Radio: Challenges and Opportunities", Communications Surveys & Tutorials, IEEE, vol. 12, pp. 531-550, 2010.
S. Haykin, "Cognitive radio: brain-empowered wireless communications", in Proc. of the IEEE Journal on Selected Areas in Communications, vol. 23, pp. 201-220, 2005.
O. A. Dobre, A. Abdi, Y. Bar-Ness, and W. Su, "A survey of automatic modulation classification techniques: classical approaches and new trends", IET Commun., vol. 1, pp. 137-156, 2007.
J.L. Xu, Su Wei, Zhou MengChu, "Likelihood-Ratio Approaches to Automatic Modulation Classification," Systems, Man, and Cybernetics, Part C: Applications and Reviews, IEEE Transactions on, vol. 41, no. 4, pp. 455-469, 7. 2011.
A. Hazza, M. Shoaib, S. A. Alshebeili, and A. Fahad, "An overview of feature-based methods for digital modulation classification", in Communications, Signal Processing, and their Applications (ICCSPA), 2013 1st International Conference on, pp. 1-6, 2013.
E. E. Azzouz and A. K. Nandi, "Procedure for automatic recognition of analogue and digital modulations", Communications, IEE Proceedings, vol. 143, pp. 259-266, 1996.
Pawar, S.U.; Doherty, J.F., "Modulation Recognition in Continuous Phase Modulation Using Approximate Entropy", Information Forensics and Security, IEEE Transactions on , vol.6, no.3, pp. 843-852, Sept. 2011.
K.C. Ho, W. Prokopiw and Y.T. Chan, "Modulation identification of digital signals by the wavelet transform", IEE Proceedings - Radar, Sonar and Navigation, vol. 147, pp. 169, 2000.
S. Qinghua and Y. Karasawa, "Automatic Modulation Identification Based on the Probability Density Function of Signal Phase", Communications, IEEE Transactions on, vol. 60, pp. 1033-1044, 2012.
A. Swami and B. Sadler, "Hierarchical digital modulation classification using cumulants", IEEE Transactions on Communication, vol. 48, pp. 416-429, 2000.
W. Hongfei, O. A. Dobre, L. Cheng, and R. Inkol, "M-FSK signal recognition in fading channels for cognitive radio", in Radio and Wireless Symposium (RWS), 2012 IEEE, pp. 375-378, 2012.
E. Like, V. D. Chakravarthy, P. Ratazzi, and Z. Wu, "Signal classification in fading channels using cyclic spectral analysis", EURASIP Journal on Wireless Communications and Networking, 1. 2009.
O. A. Dobre, A. Abdi, Y. Bar-Ness, and W. Su, "Cyclostationarity- Based Modulation Classification of Linear Digital Modulations in Flat Fading Channels", Wireless Personal Communications, vol. 54, pp. 699-717, 9. 2010.
O. A. Dobre, M. Oner, S. Rajan, and R. Inkol, "Cyclostationarity- Based Robust Algorithms for QAM Signal Identification", Communications Letters, IEEE, vol. 16, pp. 12-15, 2012.
C. W. Lim and M. B. Wakin, Compressive Higher Order Cyclostationary Statistics (2013), from http://inside.mines.edu -clim/ pubs/chos_ draft_double_june_2013.pdf.
M. W. Aslam, Z. Zhu, A. K. Nandi, "Automatic modulation classification using combination of genetic programming and KNN", IEEE Transactions on wireless communications, vol. 11, no. 8, pp. 2742-2750, 8. 2012.
A. Kubankova, H. Atassi and D. Kubanek, "Gaussian mixture model based recognition of digital modulations of noisy signals", Electrotechnics magazine, vol. 2, no.1, 4. 2011.
W. A. Gardner and C. M. Spooner, "The cumulant theory of cyclostationary time-series. I. Foundation", Signal Processing, IEEE Transactions on, vol. 42, pp. 3387-3408, 1994.
S. Theodoridis and K. Koutroumbas, Pattern Recognition, Elsevier Science, 2008.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.