تشخیص خودکار نوع مدولاسیون دیجیتال در سیستم¬های OFDM

دانشکده مهندسی برق
پایان‌نامه برای دریافت درجه کارشناسی ارشد
در رشته مهندسی برق گرایش مخابرات
تشخیص خودکار نوع مدولاسیون دیجیتال در سیستمهای OFDM
استاد راهنما:
دکتر عطاالله ابراهیم زاده شرمه
اساتید مشاور:
دکتر محمدرضا ذهابی
دکتر بیژن عباسی آرند
دانشجو:
عباس فتحتبار فیروزجاه
1393

کپی فرم صورت جلسه دفاع دانشگاه صنعتی نوشیروانی که ممهور به تحصیلات تکمیلی است
نام دانشکده: مهندسی برق
نام دانشجو: عباس فتح تبار فیروزجاه
عنوان پایان‌نامه: تشخیص خودکار نوع مدولاسیون دیجیتال در سیستمهای OFDM
تاریخ دفاع:
رشته: مهندسی برق
گرایش: مخابرات
ردیف سمت نام و نام خانوادگی مرتبه دانشگاهی دانشگاه یا مؤسسه امضا
1 استاد راهنما 2 استاد مشاور 3 استاد مشاور 4 استاد مدعو داخلی 5 استاد مدعو داخلی
تأییدیه‌ی صحت و اصالت نتایج و مالکیت مادی و معنوی
باسمه تعالی
اینجانب عباس فتح تبار فیروزجاه به شماره دانشجویی 914120037 دانشجوی رشته مهندسی برق مخابرات مقطع تحصیلی کارشناسی ارشد تأیید می‌نمایم که کلیه‌ی نتایج این پایان‌نامه ارشد تحت عنوان “تشخیص خودکار نوع مدولاسیون دیجیتال در سیستمهای OFDM” به استاد راهنمایی دکتر عطاالله ابراهیم زاده حاصل کار اینجانب و بدون هرگونه دخل و تصرف است و موارد نسخه‌برداری‌شده از آثار دیگران را با ذکر کامل مشخصات منبع ذکر کرده‌ام. درصورت اثبات خلاف مندرجات فوق، به تشخیص دانشگاه مطابق با ضوابط و مقررات حاکم (قانون حمایت از حقوق مؤلفان و مصنفان و قانون ترجمه و تکثیر کتب و نشریات و آثار صوتی، ضوابط و مقررات آموزشی، پژوهشی و انضباطی …) با اینجانب رفتار خواهد شد و حق هرگونه اعتراض درخصوص احقاق حقوق مکتسب و تشخیص و تعیین تخلف و مجازات را از خویش سلب می‌نمایم. در ضمن، مسؤلیت هرگونه پاسخگویی به اشخاص اعم از حقیقی و حقوقی و مراجع ذی‌صلاح (اعم از اداری و قضایی) به عهده‌ی اینجانب خواهد بود و دانشگاه هیچ‌گونه مسؤلیتی در این خصوص نخواهد داشت. در ضمن تمام دستاوردهای مادی و معنوی حاصله از پایان نامه ارشد متعلق به دانشگاه صنعتی نوشیروانی بابل است و اینجانب هیچ گونه ادعایی در قبال آن ندارم.

نام و نام خانوادگی:
امضا و تاریخ:

مجوز بهره‌برداری از پایان‌نامه
بهره‌برداری از این پایان‌نامه در چهارچوب مقررات کتابخانه و با توجه به محدودیتی که توسط استاد راهنما به شرح زیر تعیین می‌شود، بلامانع است:
بهره‌برداری از این پایان‌نامه/ رساله برای همگان بلامانع است.
بهره‌برداری از این پایان‌نامه/ رساله با اخذ مجوز از استاد راهنما، بلامانع است.
بهره‌برداری از این پایان‌نامه/ رساله تا تاریخ ……………………………… ممنوع است.
نام استاد یا اساتید راهنما:
تاریخ:
امضا:

تقدیم به:
تمامی رهپویان راه علم و معرفت
که به حکایت» ن و قلم« و آنچه مینگارد معترفند.
و تقدیمی خالصانه به پدر، مادر، همسر و فرزند عزیزم.

تشکر و قدردانی:
سپاس خدایی را که به انسان نعمت آموختن عطا فرمود. در این مجال ،صمیمانه ترین تقدیرها را نثار خانواده گرانقدر خویش می نمایم که بیشک اتمام این مهم بدون همراهی ایشان میسر نمی بود. و نیز از تمامی معلمان و استادان، بویژه از اساتید گرانقدر گروه مخابرات ، آقایان دکتر عطاءالله ابراهیمزاده شرمه، دکتر محمدرضا ذهابی ، دکتر بیژن عباسی آرند، دکتر علی آقاگلزاده و آقای دکتر سید مهدی حسینی اندارگلی متشکرم که در امر راهنمایی، مشاوره و داوری این پایاننامه، ا ینجانب را از راهنمایی ها و بذل محبت خویش بهره مند ساختند.
چکیده
تشخیص مدولاسیون را میتوان یکی از بخشهای اصلی گیرندههای نوین مخابراتی دانست. شناساگر خودکار نوع سیگنال، عمل تعیین نوع مدولاسیون سیگنال دریافتی را در بین مجموعهای از مدولاسیونها به صورت خودکار انجام میدهد. اکثر سیستمهای شناساگر خودکار نوع مدولاسیون در تشخیص تعداد بالای مدولاسیون عملکرد نامناسبی داشته و نیز در شرایط سیگنال به نویز پایین، بازدهی کمی دارند. این نوع سیستمها جهت تشخیص، نیاز به تعداد بالایی از ویژگیهای کلیدی دارند. بهدلیل کاربرد روزافزون سیگنال دیجیتال در مخابرات و تلاش جهت انتقال اطلاعات با نرخ بالا در سیستمهای مبتنی بر OFDM، در این پژوهش، تلاش شده است تا با انتخاب ویژگیهای بسیار کارا و استفاده از طبقهبندی کنندهی موثر، شناساگر مناسبی ارائه داده شود. در شناساگر پیشنهادی در بخش استخراج ویژگی، از ویژگیهای آمارگان مرتبهی بالا (ممانها وکومولانها تا مرتبهی هشتم) براساس طبقهبندی کنندهی ماشین بردار پشتیبان استفاده شده است. لازم به ذکر است در این پایاننامه به صورت محدود از OFDM بهره برده و تاثیر سیستم OFDM بر ویژگیهای آمارگان مرتبهی بالا مورد بررسی قرار گرفت. در این پایاننامه، جهت افزایش کارایی سیستم و کاهش همبستگی میان ویژگیها، برای اولینبار در این حوزه، ترکیب خطی ویژگیها، به عنوان روشی جدید ارائه داده شده، سپس برای بهینهسازی این ترکیب، از الگوریتم بهینهسازی فاخته استفاده گردیده است. شناساگر پیشنهادی در سیگنال به نویز dB10- ، به درصد موفقیت %98.33 دست یافته است. مدولاسیونهایی که در این پژوهش مورد بررسی قرار گرفته عبارتند از: 4ASK، 8ASK، 2PSK ،4PSK ،8PSK، 16QAM، 64QAM، 128QAM،256QAM و V29.
واژه‌های کلیدی: تشخیص خودکار نوع مدولاسیون، ترکیب خطی بردار ویژگی، تشخیص الگو، سیستم OFDM، کانال محوشونده، ماشین بردار پشتیبان.
صفحه فهرست مطالب عنوان
1 پیشگفتار
3 1- مقدمهای بر سیستم شناسایی خودکار نوع مدولاسیون
3 1-1- آشنایی با سیستم شناسایی خودکار نوع مدولاسیون و برخی از کاربردهای آن
3 1-1-1- سیر تحول و توسعه سیستم های مخابراتی دیجیتال
6 1-1-2- اهمیت و کاربردهای سیستم شناسایی نوع مدولاسیون
8 1-2- سیر تکامل روش های شناسایی نوع مدولاسیون
8 1-3- دسته بندی کلی روشهای خودکار شناسایی نوع مدولاسیون
10 1-4- مروری بر تحقیقات گذشته
12 1-5- جمع‌بندی و ساختار پایان‌نامه
14 نتیجه گیری
15 2- انتخاب ویژگی‌های مرتبه بالا و مطالب مورد نیاز
15 مقدمه
15 2-1- مروری بر مدولاسیون های دیجیتال
17 2-2- مفهوم استخراج ویژگی
18 2-3- ممانها و کومولانهای مرتبه‌ی بالا
18 2-3-1 ممان ها
28 2-3-2-کومولانها
37 2-4- مطالب مورد نیاز
37 2-4-1- کانال چند مسیری
39 2-4-2- سیستم OFDM
39 2-4-2-1- تاریخچه مدولاسیون OFDM
40 2-4-2-2- مفهوم مالتی پلکسینگ
41 2-4-2-3- معرفی مدولاسیون OFDM
43 2-4-2-4- مدل OFDM
45 2-4-2-5- مزایا و معایب OFDM
46 2-4-3- ماشین بردارهای پشتیبان (SVM)
46 2-4- 3-1- SVM خطی و غیرخطی
51 2-4-3-2- SVM چند کلاسه
51 2-4-4- الگوریتم بهینه‌سازی فاخته (COA)
52 2-4-4-1- زندگی و تخم‌گذاری فاخته
53 2-4-4-2- جزییات الگوریتم بهینه‌سازی الهام گرفته از فاخته
57 نتیجه‌گیری
59 3- معرفی روش پیشنهادی و نتایج شبیهسازیها
59 مقدمه
59 3-1- الگوریتم فاخته در بهینه سازی عملکرد سیستم استخراج ویژگی
59 3-1-1- انتخاب ویژگی
62 3-1-2- روش پیشنهادی جهت بهبود عملکرد سیستم استخراج ویژگی
63 3-1-2- نحوه به کارگیری الگوریتم فاخته به منظور انتخاب ویژگی
64 3-2- نتایج شبیهسازی
65 3-2-1- شناسایی نوع مدولاسیون به کمک تمام ویژگیها (آمارگان مرتبهی بالا)
66 3-2-1-1- نتایج شبیه‌سازی به کمک طبقه‌بندی کننده SVM در کانال AWGN
69 3-2-1-2- نتایج شبیه‌سازی به کمک طبقه‌بندی کننده SVM در کانالهای محوشونده
74 3-2-2- نتایج شبیه سازی به کمک سیستم استخراج ویژگی پیشنهادی
89 3-3- مقایسه عملکرد سیسستم پیشنهادی با کارهای انجام شده در این زمینه
90 3-4- نتیجه گیری
92 4- جمع بندی و پیشنهاد ادامه کار
92 4-1- جمع بندی
95 4-2- پیشنهادات
96 پیوستها
100 منابع و ماخذ
صفحه فهرست اشکال عنوان
16 شکل 2-1- نمایش چیدمان (منظومه) برخی از مدولاسیون‌های دیجیتال
18 شکل 2-2- نمایش نمودار ویژگی‌های ایدهآل از سیگنال ها بر حسب SNR
21 شکل 2-3- نمایش مقدار ویژگی ممان ها برای 100 سیگنال از هر مدولاسیون.
21 شکل 2-3- الف-مقدار ویژگی ممان دو-صفر
22 شکل 2-3- ب-مقدار ویژگی ممان دو-یک
22 شکل 2-3- پ-مقدار ویژگی ممان چهار-صفر
23 شکل 2-3- ت-مقدار ویژگی ممان چهار-یک
23 شکل 2-3- ج-مقدار ویژگی ممان چهار-دو
24 شکل 2-3- چ-مقدار ویژگی ممان شش-صفر
24 شکل 2-3- ح-مقدار ویژگی ممان شش-یک
25 شکل 2-3- خ-مقدار ویژگی ممان شش-دو
25 شکل 2-3- د-مقدار ویژگی ممان شش-سه
26 شکل 2-3- ذ-مقدار ویژگی ممان هشت-صفر
26 شکل 2-3- ر-مقدار ویژگی ممان هشت- یک
27 شکل 2-3- ز-مقدار ویژگی ممان هشت- دو
27 شکل 2-3- س-مقدار ویژگی ممان هشت- سه
28 شکل 2-3- ش-مقدار ویژگی ممان هشت- چهار
شکل 2-4- مقدار میانگین کومولانها را در SNR های متفاوت برای هر نوع مدولاسیون.
31 شکل 2-4- الف- مقدار ویژگی کومولان چهار-صفر
31 شکل 2-4-ب- مقدار ویژگی کومولان چهار- یک دو
32 شکل 2-4-پ-مقدار ویژگی کومولان چهار- دو
32 شکل 2-4-ت-مقدار ویژگی کومولان شش-صفر
33 شکل 2-4-ث-مقدار ویژگی کومولان شش-یک
33 شکل 2-4-ج-مقدار ویژگی کومولان شش-دو
34 شکل 2-4-چ-مقدار ویژگی کومولان شش-سه
34 شکل 2-4-ح-مقدار ویژگی کومولان هشت-صفر
35 شکل 2-4-خ-مقدار ویژگی کومولان هشت- یک
35 شکل 2-46-د-مقدار ویژگی کومولان هشت- دو
36 شکل 2-4-ذ-مقدار ویژگی کومولان هشت- سه
36 شکل 2-4-ر-مقدار ویژگی کومولان هشت- چهار
42 شکل 2-5- سیستم چندحاملی معمولی و سیستم چندحاملی متعامد
42 شکل2-6- طیف سمبل OFDM
44 شکل2-7- بلوک دیاگرام سیستم OFDM
49 شکل2-8- نمایش بردار تکیهگاه در دو دسته داده آموزشی قابل تفکیک
52 شکل 2-9- رفتار فاخته در طبیعت
54 شکل 2-10- تخمگذاری فاخته در شعاع تخمگذاری (ELR)
55 شکل 2-11- مهاجرت فاخته ها به سمت نقطه هدف
56 شکل2-12- روندنمای الگوریتم بهینهسازی فاخته
3- معرفی روش پیشنهادی و نتایج شبیهسازیها
63 شکل3-1- سیستم پیشنهادی استخراج ویژگی
64 شکل 3-2- روندنمای سیستم ترکیبی هوشمند
66 شکل 3-3- دیاگرام کلی شناساگر مدولاسیون براساس استخراج ویژگی‌ها آمار گان مرتبه بالا
67 شکل 3-4- عملکرد SVM در SNRهای مختلف به ازای تمام ویژگیها
شکل 3-5- مقدار چند آمارگان مرتبهی بالا برای سیستم OFDM
70 شکل 3-5-الف- مقدار میانگین ممان چهار-صفر در کانال رایلی تخت سریع
70 شکل 3-5-ب- مقدار میانگین ممان هشت-صفر در کانال رایلی تخت سریع مرتبه
71 شکل 3-5-پ- مقدار میانگین ممان هشت-صفر در کانال رایلی فرکانس گزین سریع
71 شکل 3-5-ت- مقدار میانگین ممان شش-سه در کانال رایلی فرکانس گزین سریع
72 شکل 3-5-ث- مقدار میانگین ممان شش-سه در کانال رایسین فرکانس گزین سریع
شکل3-6- عملکرد SVM در SNR های مختلف، کانال محوشونده با همه ویژگیها
73 شکل3-6-الف- عملکرد SVM در SNR های متفاوت در کانال رایلی تخت و آهسته
73 شکل3-6-ب- عملکرد SVM در SNR های متفاوت در کانال رایلی فرکانس گزین سریع
77 شکل3-7- مقدار تابع هزینه بهترین فاخته در هر تکرار
78 شکل3-8- ویژگی جدید برای تمامی مدولاسیونها در SNR های متفاوت
79 شکل3-9- ویژگی جدید برای تمامی مدولاسیونها در SNR هایی با بازه بیشتر
81 شکل 3-10- مقایسه عملکرد شناساگر با تمام ویژگیها و ویژگیهای بهینه
83 شکل 3-11- مقادیر ویژگی جدید در کانال محو شونده رایلی
84 شکل 3-12- مقادیر ویژگی جدید در کانال محوشونده رایسین
85 شکل 3-13- عملکرد سیستم با ویژگی جدید در کانال محوشونده رایلی فرکانس گزین سریع
85 شکل 3-14- عملکرد شناساگر با ویژگی جدید، کانال محوشونده رایلی فرکانس گزین آهسته
86 شکل 3-15- عملکرد شناساگر با ویژگی جدید در کانال محوشونده رایسین فرکانسی تخت
86 شکل 3-16- مقایسه عملکرد کلی شناساگر با ویژگی جدید در کانال محوشونده رایلی
صفحه فهرست جداول عنوان
20 جدول 2-1- روابط ممان های موثر
29 جدول 2-2- روابط کومولان های موثر
30 جدول2-2- مقادیری از ممانها و کومولانها برای سیگنال بدون نویز
50 جدول 2-3- برخی از توابع کرنل معروف
65 جدول 3-1- پارامترهای کانالهای محوشونده
67 جدول 3-2- عملکرد SVM در SNR های متفاوت
68 جدول 3-3- ماتریس صحت عملکرد SVM درSNR= -10 با استفاده از تمام ویژگیها
68 جدول 3-4- ماتریس صحت عملکرد SVM درSNR= -4 با استفاده از تمام ویژگیها
69 جدول 3-5- ماتریس صحت عملکرد SVM درSNR= 2 با استفاده از تمام ویژگیها
74 جدول 3-6- ماتریس صحت عملکرد SVM درSNR= -8 dB در کانال رایلی تخت(آهسته)
74 جدول 3-7- ماتریس صحت عملکرد SVM درSNR= -8 dB ، کانال رایسین تخت(آهسته)
74 جدول 3-8- ماتریس عملکرد SVM درSNR= -8 dB ، کانال رایلی فرکانس گزین(سریع)
74 جدول 3-9- ماتریس عملکرد SVM درSNR= -8 dB ، کانال رایسین فرکانس گزین(سریع)
75 جدول 3-10- پارامترهای الگوریتم بهینهسازی فاخته
76 جدول 3-11- زمان اجرا و مقدار حداقل تابع هزینه از COA
77 جدول 3-12- ویژگی و ضرایب متناظر بهینه با استفاده از الگوریتم COA در کانال AWGN
79 جدول 3-13- میانگین مقادیر ویژگی در بازههای مختلفی از SNR
80 جدول 3-14- درصد تشخیص صحیح شناساگر با ویژگی جدید در SNR های گوناگون
80 جدول 3-15- ماتریس صحت عملکرد شناساگر با ویژگی مبتنی بر COA درSNR=-10dB
80 جدول 3-16- ماتریس صحت عملکرد شناساگر با ویژگی مبتنی بر COA درSNR=-8dB
80 جدول 3-17- ماتریس صحت عملکرد شناساگر با ویژگی مبتنی بر COA درSNR=-6dB
81 جدول 3-18- ماتریس صحت عملکرد شناساگر با ویژگی مبتنی بر COA درSNR=0dB
82 جدول 3-19- ویژگی و ضرایب متناظر بهینه با استفاده از الگوریتم COA در کانال رایلی
82 جدول 3-20- ویژگی و ضرایب متناظر بهینه با استفاده از الگوریتم COA در کانال رایسین
87 جدول 3-21- عملکرد سیستم با ویژگی جدید درSNR=-10dB ، رایلی فرکانس گزین سریع
87 جدول 3-22- عملکرد شناساگر با ویژگی جدید درSNR=-8dB ،

این نوشته در پایان نامه ها ارسال شده است. افزودن پیوند یکتا به علاقه‌مندی‌ها.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *