عنوان کامل پایان نامه : تشخیص خودکار نوع مدولاسیون دیجیتال در سیستم های OFDM

 

تکه هایی از این پایان نامه :

– نتایج شبیه­سازی

در این قسمت ما نتایج حاصل از ترکیب این ویژگی‌ها در شناسایی مدولاسیون‌های 4ASK، 8ASK، 2PSK، 4PSK،8PSK ، 16QAM، 64QAM، 128QAM، 256QAM و  V29را به همراه طبقه­بندی کننده­ی SVM ارائه شده می باشد. سیگنال­های مورد پژوهش در این بخش به تعداد 100 نمونه (در هر نمونه 2048 بیت داده) در شرایط زیر تولید شده‌اند:

نرخ سمبل ها: 1000 سمبل در ثانیه؛

فرکانس نمونه‌برداری: MHz 1؛

تعداد زیرحامل در OFDM: برای دسته ای از سیگنال ها  برای دسته­ای دیگر .

نرخ پیشوند گردشی: 0.25 از طول فریم OFDM

نوع کانال: محوشوندگی فرکانس گزین به همراه نویز سفید گوسی جمع شونده؛

سیگنال به نویز: 19 سطح برابر از سیگنال به نویز dB 10- تا سیگنال به نویز  dB26. (10:2:26-).

50 درصد از سیگنال­های تولیدشده، برای آموزش SVM و بقیه برای آزمایش بهره گیری شده‌اند. پارامترهای کانال محوشونده به صورت زیر می باشد.

شما می توانید مطالب مشابه این مطلب را با جستجو در همین سایت بخوانید

پس از استخراج ویژگی‌ها این ویژگی‌ها وارد واحد طبقه‌بندی کننده­ی SVM شده تا بر این اساس شناسایی و تفکیک مدولاسیون‌ها صورت گیرد. آغاز از SVM در تشخیص نوع مدولاسیون بدون بهینه‌سازی ویژگی­ها (یعنی از تمام ویژگی­ها) بهره گیری شده می باشد. در ادامه براساس ویژگی‌های استخراج‌شده، از COA برای بهبود اقدام­نمود واحد استخراج ویژگی (تعیین ضرایب بهینه برای ویژگی­های مناسب) بهره گیری شده می باشد. این ویژگی های جدید برای هر نوع مدولاسیون منحصر به فرد بوده و علاوه بر اینکه بعد هزینه‌ی محاسباتی را کاهش می­دهند؛ درصد موفقیت سیستم را نیز به طرز چشمگیری افزایش می­دهند. نتایج بدست آمده در کانالAWGN  و نیز کانال­های محوشونده نشان از قابلیت بالای سیستم پیشنهادی دارد. این فصل به تفسیر موارد ذکر گردیده اختصاص دارد.

 متن فوق بخش هایی از این پایان نامه بود

می توانید به لینک پایین صفحه مراجعه نمایید:

 thesis-power-word