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.

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 موردها ذکر گردیده اختصاص دارد.

این مطلب رو هم توصیه می کنم بخونین:   پایان نامه در مورد ردیابی اشیاء متحرک چندگانه در تصاویر دوربین متحرک

 متن فوق بخش هایی از این پایان نامه بود

برای دیدن جزئیات بیشتر ، خرید و دانلود آنی فایل متن کامل با فرمت ورد

می توانید به لینک زیر مراجعه نمایید:

دسته‌ها: دسته‌بندی نشده