Нгуен Ван Минь. Методы идентификации видов модуляции на основе искусственной нейронной сети с использованием кумулянтных признаков

brief description

Нгуен Ван Минь. Методы идентификации видов модуляции на основе искусственной нейронной сети с использованием кумулянтных признаков;[Место защиты: ФГБОУ ВО «МИРЭА - Российский технологический университет»], 2023

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ
УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ
«МИРЭА - РОССИЙСКИЙ ТЕХНОЛОГИЧЕСКИЙ УНИВЕРСИТЕТ»
На правах рукописи

Нгуен Ван Минь
МЕТОДЫ ИДЕНТИФИКАЦИИ ВИДОВ МОДУЛЯЦИИ НА ОСНОВЕ
ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ С ИСПОЛЬЗОВАНИЕМ
КУМУЛЯНТНЫХ ПРИЗНАКОВ
Специальность: 2.2.15 - Системы, сети и устройства телекоммуникаций
Диссертация на соискание учёной степени кандидата технических наук
Научный руководитель д.т.н, профессор А.А. Парамонов
Москва - 2023
ОГЛАВЛЕНИЕ
СПИСОК ИСПОЛЬЗУЕМЫХ СОКРАЩЕНИЙ 4
ВВЕДЕНИЕ 5
ГЛАВА 1. ПРИМЕНЕНИЕ ИНТЕЛЛЕКТУАЛЬНЫХ МЕТОДОВ АНАЛИЗА ДАННЫХ В ЗАДАЧЕ РАСПОЗНАВАНИЯ ВИДОВ ЦИФРОВОЙ МОДУЛЯЦИИ СИГНАЛА 14
1.1 Методы анализа данных в задаче распознавания видов цифровой
модуляции сигналов 14
1.2 Анализ информационных признаков, использующихся в ИНС 21
1.3 Постановка задач диссертационного исследования 27
1.4 Выводы по главе 1 29
ГЛАВА 2. СПОСОБЫ ВЫЧИСЛЕНИЯ КУМУЛЯНТОВ. ВЫБОР ИНФОРМАТИВНЫХ КУМУЛЯНТНЫХ ПРИЗНАКОВ 31
2.1 Описание используемых видов цифровой модуляции 31
2.2 Кумулянтные признаки и их вычисление 36
2.3 Вычисление информационных признаков для полностью известных
сигналов 42
2.4 Выводы по главе 2 52
ГЛАВА 3. РАСПОЗНАВАНИЕ ВИДОВ ЦИФРОВОЙ МОДУЛЯЦИИ
СИГНАЛОВ С ИСПОЛЬЗОВАНИЕМ МНОГОСЛОЙНОГО ПЕРЦЕПТРОНА ... 54
3.1 Структура многослойного перцептрона 54
3.2 Обучение многослойного перцептрона и алгоритм обратного
распространения ошибки 58
3.3 Алгоритм распознавания видов цифровой модуляции и оценки значения
ОСШ принимаемого сигнала при синхронизации приёмника 63
3.3.1 Исследование различных структур многослойного перцептрона в
задаче распознавания видов цифровой модуляции 64
3.3.2 Исследование алгоритма распознавания видов цифровой модуляции и
оценки значения ОСШ с использованием многослойного перцептрона 68
3.4 Вывод по главе 3 76
ГЛАВА 4 РАСПОЗНАВАНИЕ ВИДОВ ЦИФРОВОЙ МОДУЛЯЦИИ
ПРИНИМАЕМОГО СИГНАЛА В УСЛОВИЯХ ПАРАМЕТРИЧЕСКОЙ АПРИОРНОЙ НЕОПРЕДЕЛЁННОСТИ 78
4.1 Алгоритм распознавания видов цифровой модуляции при
параметрической априорной неопределённости 78
4.2 Многослойный перцептрон в задаче распознавания QAM и PSK
модуляции в условии параметрической априорной неопределённости 90
4.3 Вывод по главе 4 96
ЗАКЛЮЧЕНИЕ 98
СПИСОК ЛИТЕРАТУРЫ 100
ПРИЛОЖЕНИЕ А - Акты внедрения результатов диссертации 110
ПРИЛОЖЕНИЕ Б - Диплом 112

bibliography

ЗАКЛЮЧЕНИЕ
В результате выполнения диссертационного исследования его цель - разработка и исследование эффективных методов распознавания видов цифровой модуляции радиосигналов на основе искусственной нейронной сети с использованием кумулянтных признаков - была достигнута.
Решены сформулированные во Введении задачи:
0. Проанализированы кумулянты высоких порядков как признаки для идентификации видов модуляции и исследованы методы вычисления кумулянтов. Установлено, что основной объем информации содержится в действительных частях кумулянтов, составлены базы кумулянтных признаков до девятого порядка включительно для извлечения информации о следующих видах модуляции: GMSK, QAM-8, QAM-16, QAM-64, APSK-16, APSK-32, BPSK, QPSK, PSK-8, FSK-2 .
1. Разработана архитектура искусственной нейронной сети, способной обучаться на основе анализа кумулянтных признаков, установлено, что для идентификации вида модуляции достаточно иметь в этой сети 3 скрытых слоя.
2. Выполнено обучение нейронной сети на наборе радиосигналов с полностью известными параметрами с различными видами модуляции и исследовано качество алгоритма идентификации видов модуляции.
3. Выполнено обучение нейронной сети на наборе радиосигналов с разными отношениями сигнал/шум. Исследовано качество разработанного алгоритма при одновременном распознавании видов цифровой модуляции и оценке ОСШ принимаемых сигналов.
4. Разработан и исследован алгоритм одновременного распознавания вида цифровой модуляции и оценки отстроек от несущей частоты и начальной фазы анализируемого сигнала.
Дальнейшие исследования следует нацелить на включение в разработанные базы данных новых видов модуляции, на использование многослойного перцептрона к решению распознавания видов цифровой модуляции в условиях незнания тактовой сетки сигналов, на решение задачи распознавания видов модуляции на фоне негауссовских помех.