$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

대역폭 추정을 적용한 효율적인 디지털 변조 신호 분류
An Efficient Classification of Digitally Modulated Signals Using Bandwidth Estimation 원문보기

방송공학회논문지 = Journal of broadcast engineering, v.22 no.2, 2017년, pp.257 - 260  

최종원 (충북대학교 전자공학과) ,  안우현 (충북대학교 전자공학과) ,  서보석 (충북대학교 전자공학과)

초록
AI-Helper 아이콘AI-Helper

이 논문에서는 대역폭 추정치를 이용하여 효율적으로 디지털 변조 신호를 자동으로 분류하는 변조인식 방법을 제안한다. 변조 신호를 분류하기 위해서 일반적으로 특징변수를 이용한 방법이 널리 사용되는데, 특징변수의 정확도는 특징변수 추정에 사용되는 디지털 변조 신호의 심볼수와 심볼당 표본수에 따라 크게 영향을 받는다. 이 논문에서는 높은 과표본화율로 표본화된 신호에 대해 먼저 대략적으로 대역폭을 추정하고 이로부터 심볼당 적절한 표본수를 취할 수 있도록 표본율을 감소시킨다. 따라서 처리하는 표본수가 동일한 경우 더 많은 심볼을 사용하게 되어 변조 인식률을 높일 수 있다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this letter, we propose an efficient automatic modulation recognition (AMR) method which classifies digitally modulated signals by estimating the bandwidth. In AMR, feature-based methods are widely used and the accuracy of the features is highly dependent on the number of symbols and the number o...

주제어

#bandwidth estimation   #digitally modulated signal classification   #modulation recognition  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 이 논문에서는 과표본화된 표본신호로부터 대략적으로 대역폭을 추정한 후 이에 따라 표본율(sample rate)을 감소시켜 처리하는 표본수가 고정된 경우 변조 인식률을 높일수 있는 효율적인 방법을 제시하고자 한다. 
  • 이 논문에서는 수신신호의 대역폭을 추정하고 이로부터 심볼당 표본수를 조절하여 동일한 개수의 표본을 처리할 때 더 많은 심볼을 사용함으로써 분류확률을 높일 수 있는 효율적인 변조신호 분류 방법을 제시하였다. 제안 방법을 적용하면 동일한 성능을 얻기 위해 기존의 방법에 비해 필요한 표본의 수를 크게 감소시킬 수 있다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
자동 변조인식은 무엇인가? 신호에 대한 사전 정보 없이 수신신호의 변조방식과 파라미터를 추정하는 자동 변조인식(automatic modulation recognition: AMR)은 군사적으로 적의 통신을 감청하는COMINT(communication intelligence)나 SIGINT(signal intelligence) 분야에서 매우 필수적인 기술이다[1]. AMR은 변조방식뿐만 아니라 중심주파수, 심볼율, 채널 부호화 방식 등의 파라미터를 추정하기 위한 모든 기술을 포함한다.
특징변수 기반 방법의 장점은 무엇인가? 변조인식을 위해서는 특징변수 기반 방법을 주로 이용하는데[2][3], 특징변수 방법은 신호로부터 변조방식을 특징적으로 구별할 수 있는 변수를 추출하고 패턴인식 방법을 적용하여 변수를 분류하는 방법으로, 준최적의 성능을 나타내지만 구현하기가 비교적 간단한 장점이 있다. 
표본신호의 표준편차를 이용하여 선형 변조 신호와 비선형 변조 신호를 구분할 수 있는 이유는 무엇인가? 주파수 변조한 FSK 신호는 다른 디지털 변조 신호와 다르게 진폭이 일정한 특성이 있다. 따라서 이 특성을 반영한 표본신호의 표준편차 σ^x를 이용하여 선형 변조 신호와 비선형 변조 신호를 구분할 수 있다[5].
질의응답 정보가 도움이 되었나요?

참고문헌 (7)

  1. J.T. Richelson, The U.S. Intelligence Community, 6th ed., Boulder, Westview Press, pp. 203-229, 2011. 

  2. 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. 

    상세보기 crossref

  3. A. Hazza, M. Shoaib, S.A. Alshebeili, A. FAHAD, "An overview of feature-based methods for digital modulation classification", International Conference on Communications, Signal Processing, and their Applications, pp. 1-6, 2013. 

  4. W.H. Ahn, et al., "Bandwidth Estimation Algorithm of Digitally Modulated Signals Based on Histogram of Spectrum", Proceeding of International Instrumentation And Measurement Technology Conference, pp. 390-395, 2016. 

  5. Z. Zhu and A.K. Nandi, Automatic Modulation Classification: Principles, Algorithms and Applications, Wiley, 2014. 

  6. W.H. Ahn, B.S. Seo, "An Efficient Peak Detection Algorithm in Magnitude Spectrum for M-FSK Signal Classification", Journal of Broadcast Engineering, Vol. 19, No. 6, pp. 967-970, 2014. 

    원문보기 상세보기 crossref

  7. W.H. Ahn, et al., "Digitally Modulated Signal Classification Based On Higher Order Statistics of Cyclostationary Process", Journal of Broadcast Engineering, Vol. 19, No. 2, pp. 195-204, 2014. 

    원문보기 상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로