Jag accepterar att kakor lagras på min dator

Läs mer

Automatisk klassificering av digitala modulationsformer.

Automatisk klassificering av digitala modulationsformer. Beställ tryckt exemplar Lägg i kundvagnen
Författare: Hultin Jonas
Ort: Linköping
Sidor: 44
Utgivningsår: 1993
Publiceringsdatum: 1993-05-26
Rapportnummer: (FOA C 30704-8.3)
Nyckelord digital modulation, egenskapsextrahering, generell detektor, modulationsigenkänning, mönsterigenkänning, neuralt nätverk, 390, digital modulation, feature extraction, modulation recognition, neural network, pattern recognition, HPTK
Sammanfattning Den ökande användningen av radiokommunikationer ställer nya krav på de myndigheter som övervakar radiotrafiken. För att effektivisera denna verksamhet är det önskvärt att man kan utveckla mer automatiserade övervakningssystem. Som en del i ett sådant system behövs en funktion för automatisk modulationsigenkänning. Tonvikten i denna rapport ligger på undersökningar av Liedtkes metod för automatisk klassificering av digitalt modulerade signaler. Inledningsvis presenteras grundläggande teori för digitala modulationsmetoder. En kort översikt görs över kända metoder för modulationsigenkänning, såväl för digitala som för analoga modulationstyper. Avslutningsvis redovisas resultaten av försök med klassificering av digitala modulationsformer med en generell detektor - egenskapsextraherare - och ett efterföljande artificiellt neuronnät. Denna konfiguration gör det möjligt att isolera modulationstyperna PSK med 2, 4 eller 8 faslägen, FSK, inkluderat MSK, och ASK för signalbrusförhållanden ner till +20 dB.
Abstract The increasing use of radio communications is facing supervising authorities with new demands. To render supervision more effective, development of more automatic systems is desired. As part of such a system automatic modulation recognition is needed. This report focuses on examining Liedtkes method for automatic classification of digitally modulated signals. To start with, some basic theory for digital modulation techniques is presented. A brief overview regarding known methods for modulation recognition is made, for digital as well as for analogue types of modulation. Finally results are presented from trials with classification of digitally modulated signals with a feature extractor and a subsequent neural network. This arrangement provides capability for isolating PSK-modulation with 2, 4 or 8 phase shifts, ASK-modulation and FSK-modulation, including MSK, for signal-to-noise ratios as low as +20 dB.

Kundvagn

Inga rapporter i kundvagnen

FOI, Totalförsvarets forskningsinstitut

FOI
Totalförsvarets forskningsinstitut
164 90 Stockholm

Tel: 08-555 030 00
Fax: 08-555 031 00

Orgnr: 202100-5182