پایان نامه برق (مخابرات): تشخیص خودکار نوع مدولاسیون دیجیتال در سیستم های OFDM |
1393
تکه هایی از متن به عنوان نمونه :
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 ، رایلی فرکانس گزین آهسته
88
جدول 3-23- عملکرد سیستم با ویژگی جدید درSNR=-2dB ، رایسین فرکانس گزین سریع
88
جدول 3-24- عملکرد شناساگر با ویژگی جدید درSNR=4dB ، رایلی فرکانس گزین آهسته
88
جدول 3-25- عملکرد شناساگر با ویژگی جدید درSNR=4dB ، رایلی فرکانس گزین سریع
89
جدول 3-26- عملکرد شناساگر با ویژگی جدید درSNR=6dB ، کانال رایلی تخت سریع
90
جدول 3-27- مقادیر میانگین و واریانس درصد تشخیص صحیح سیستم
91
جدول 3-28- مقایسه سیستم پیشنهادی با کارهای انجام شده
لیست علایم و اختصارات
ACO
الگوریتم کلونی مورچه (Ant Colony Optimization)
ADSL
خط مشترک دیجیتال نامتقارن (Asymmetric Digital Subscriber Line)
ASK
کلیدزنی شیفت دامنه (Amplitude Shift Keying)
BPSK
کلیدزنی شیفت فاز دودویی (Binary Phase Shift Keying)
COA
الگوریتم بهینه سازی فاخته(Cuckoo Optimization Algorithm)
CF
تابع مشخصه (Characteristic Function)
CP
پیشوند گردشی (Cyclic Prefix)
DAB
پخش صدای دیجیتال (Digital Audio Broadcasting)
DT
تئوری (نظریه) تصمیم (Decision Tree)
DVB_T
اطلاعات ویدئو رادیویی دیجیتال (Digital Video Broadcasting-Terrestrial)
ELR
شعاع تخمگذاری (Egg Laying Radius)
EP
برنامه ریزی تکاملی (Evolutionary Programming)
FFT
تبدیل فوریه سریع (Fast Fourier Transform)
FDM
مالتی پلکس تقسیم فرکانسی (Frequency Division Multiplexing)
GA
الگوریتم ژنتیک (Genetic Algorithm)
GI
فاصله زمانی محافظ (Guard Interval)
ICA
آنالیز مولفه های مستقل (Indepdent Component Analysis)
ICI
تداخل بین حاملی (Inter Carrier Interference)
ISI
تداخل بین سمبلی (Inter Symbol Interference)
INFOMAX
ماکزیمم سازی اطلاعات(Information Maximization)
KKT
تئوری بهینهسازی کراش-کوهن-تاکر (Karush-Kuhn-Tucker)
LOS
مولفه مسیر مستقیم (Line-Of-Sight)
MCM
مدولاسیون چند کاربری (Multi-Carrier Modulation)
ML
ماکزیمم شباهت (Maximum Likelihood)
OAA
روش یکی در برابر همه (One-Against -All)
OAO
روش یک به یک (One- Against -One)
OFDM
مدولاسیون تقسیم فرکانسی متعامد (Orthogonal Frequency Division Multiplexing)
PDF
تابع چگالی احتمال(Probability Density Function)
PDR
گیرنده آشکارساز وسیع(Panoramic Display Receiver)
PR
تشخیص الگو (Pattern Recognition)
PSO
بهینه سازی ازدحام ذرات(Particle Swarm Optimization)
QAM
کلیدزنی دامنه تربیعی (Quadrature Amplitude Keying)
QPSK
کلیدزنی شیفت فاز تربیعی (Quadrature Phase Shift Keying)
RBF
تابع پایهی شعاعی (Radial Basis Function)
SASS
اندازه گام خود تطبیقی (Self Adaptive Step Size)
SBS
جستجوی برگشتی متوالی (Sequential Backward Search)
SFS
روش جستجوی مستقیم متوالی (Sequential Forward Search)
SRM
اصل حداقل سازی ریسک ساختاری (Structural Risk Minimization)
SNR
نسبت سیگنال به نویز(Signal To Noise Ratio)
SVM
ماشین بردار پشتیبان (Support Vectors Machine)
TDM
تقسیم زمانی (Time Division Multiplexing)
پیشگفتار
پیشگفتار
امروزه شبیه سازی سیستمهای مخابراتی با توجه به پیچیدگی روز به روز تجهیزات، از اهمیت بالایی برخوردار است. مطالعه و بررسی عملکرد یک سیستم با روش های تحلیلی، سخت و گاهی غیر ممکن بوده و بررسی عملکردهای سیستم مخابراتی مدرن، بدون استفاده از شبیه سازی، ساخت نمونه آزمایشی را اجتناب ناپذیر میکند. اما علیرغم هزینههای بالای ساخت یک نمونه آزمایشی، هزینههای آزمایش در شرایط مختلف چندین برابر هزینه شبیهسازی کامپیوتری خواهد بود. علاوه بر آن شبیه سازی کامپیوتری شرایطی را مورد بررسی قرار میدهد که تولید همهی آن شرایط شبیهسازی عملا با یک نمونهی ساخته شده، امکان پذیر نیست و ممکن است فراهم نبودن بسترهای زیرساختی، موجب ایجاد شکافی بزرگ میان مباحث تئوری و پیاده سازی عملی شود. دلایل ذکر شده و نیز سهل الوصول بودن استفاده از کامپیوتر، به طور منطقی بر محبوبیت شبیهسازی میافزاید.
یک بخش بسیار مهم در تمامی سیستمهای مخابراتی، بخش بازیابی اطلاعات در گیرنده است. اهمیت این بخش زمانی روشن میگردد که بنا به هر دلیلی، گیرنده از محتوی نوع سیگنال ارسالی در فرستنده و نیز شرایط کانال اطلاع نداشته باشد. تاکنون روشهای مختلفی برای تشخیص خودکار نوع مدولاسیون دیجیتال پیشنهاد شده است که هر کدام، در شرایط گوناگون سعی در ارائه روشی خودکار برای شناسایی نوع مدولاسیون داشتهاند. روشهای ارائه شده در دو روش کلی خلاصه میشوند: روشهای مبتنی بر نظریهی تصمیم (با معیارهای آماری) و روشهای مبتنی بر تشخیص الگو.
با توجه به سادگی و تعمیمپذیری روشهای مبتنی بر تشخیص الگو در این پایاننامه به دنبال ارائه روشی هستیم تا با آن بتوان ویژگیهای کارایی را از سیگنال استخراج و انتخاب نموده و سپس با استفاده از مفاهیم تشخیص الگو، نوع مدولاسیون را تشخیص دهیم. در بیشتر سیستمهای پیشنهاد شدهی قبلی، همواره ویژگیهایی از سیگنال دریافتی در گیرنده استخراج میگردد. این ویژگیها در مرحلهی بعدی به واحد دیگری به نام واحد طبقهبندیکننده تحویل داده میشود. طبقهبندیکننده ابتدا درصدی از این ویژگیها را برای تمامی کلاسها انتخاب نموده و براساس آنها، فرآیندی موسوم به فرآیند آموزش دادهها را، پیادهسازی میکند. در حالت آموزش، شناساگر عموما، فضای بردار ویژگی را با شاخصهایی بین کلاسها تقسیم مینماید. سپس در حالت آزمایش، طبقه بندی کننده، براساس درصد باقی مانده از سیگنالها، ویژگیها را با این شاخصهای عملکردی میسنجد. کارایی سیستم در این حالت، تابعی براساس درصد تشخیص صحیح سیستم است. هر چقدر ویژگیها از نظر مفاهیم آماری (میانگین، واریانس و غیره) در دو حالت آموزش و تست برای هر کلاس، پایدارتر بوده و نیز نسبت به دیگر کلاسها همبستگی کمتری داشته باشند؛ قدرت تشخیص شناساگر، بیشتر خواهد بود. متناظرا هر سیستمی که به دادههای کمتری برای آموزش و آزمایش نیاز داشته باشد قابلیت بیشتری دارد و اصطلاحا نسبت به دادههای ندیده مقاومتر است.
در روشهای شناسایی قبلی که مبتنی بر تشخیص الگو هستند ویژگیهایی از سیگنال استخراج شده و بعد از آن این ویژگیها با شناساگری که درصد تشخیص بهتری را ارائه میداد، مورد ارزیابی قرار میگرفت. تقریبا در تمامی کارهای گذشته برای کاهش ابعاد ویژگی و نیز کاهش پیچیدگی سیستم، روشهایی برای انتخاب ویژگی پیشنهاد میگردید. در این روشها عموما از الگوریتمهای تکاملی برای جستجوی سراسری فضای ویژگی استفاده میشده و زیر مجموعهای از بردار ویژگی که منجر به درصد تشخیص بالاتر میشد به عنوان زیرمجموعه کارا انتخاب میشد. در پارهای از روشها نیز از این الگوریتمها برای بهینهسازی تنظیمات مربوط به طبقه بندی کنندهها استفاده میشد.
از میان طبقه بندی کنندههای مورد استفاده در روشهای تشخیص الگو میتوان به شبکههای عصبی مصنوعی، طبقه بندی کنندههای فازی، مدار طبقه بندی کننده آستانهای و ماشین بردار پشتیبان اشاره نمود. در بین این شناساگرها، طبقه بند ماشین بردار پشتیبان، به دلیل استفاده از مفاهیم ساختارمحور در کمینهسازی خطا، همواره با استقبال بیشتری از سوی محققان رو به رو بوده است. در این پایاننامه نیز این شناساگر، جهت تفکیک سیگنالهای مدولاسیون دیجیتال استفاده شده است.
فصل اول
مقدمهای بر سیستم شناسایی خودکار نوع مدولاسیون
مقدمه
این فصل به بررسی سیستم شناسایی خودکار نوع مدولاسیون (نوع سیگنال) و برخی از کاربردهای مهم آن، سیر تکامل شناسایی نوع مدولاسیون، دسته بندی کلی روشهای شناسایی نوع مدولاسیون، کارهای انجام شده توسط دیگران، و هدف از انجام این پایاننامه میپردازد.
آشنایی با سیستم شناسایی خودکار نوع مدولاسیون و برخی از کاربردهای آن
به سیستمی که عمل تعیین نوع مدولاسیون سیگنال دریافتی را، در بین مجموعهای از مدولاسیونها به صورت خودکار و هوشمند به عهده دارد؛ شناساگر خودکار نوع سیگنال گفته میشود. به سبب آنکه سیستم با تغییر شرایط کانال، خود را وفق میدهد به این نوع سیستمها، سیستم هوشمند میگویند. فرآیند بازشناخت مدولاسیون، مرحلهی قبل از دمدولاسیون است. در سیستمهای مخابراتی هوشمند، در صورت تشخیص غلط نوع و مرتبه مدولاسیون و بکارگیری یک دمدولاتور نامناسب، ممکن است محتوی اطلاعات سیگنال بهطور کامل از دست برود ]1[. تشخیص نوع مدولاسیون هم اکنون یکی از حوزههای مهم پردازش سیگنال در علم مخابرات بوده و هر ساله تلاشهای مختلفی از سوی محققان سراسر دنیا برای ارائه سیستمی هوشمند که به طور خودکار شناسایی نوع مدولاسیون را انجام می دهد؛ صورت میگیرد.
سیر تحول و توسعهی سیستمهای مخابراتی دیجیتال
تلگراف به عنوان اولین سیستم مخابرات الکتریکی یک سیستم مخابراتی دیجیتال بود. تلگراف الکتریکی توسط ساموئل مورس[1] اختراع و در سال 1837 به نمایش گذاشته شد. مورس، کد دودویی با طول متغیری را که در آن حروف الفبای انگلیسی با دنبالهای از خطهای تیره [2]و نقطهها[3] (کلمه کد) نمایش داده میشد؛ ابداع نمود. در این کد، حروف با تواتر وقوع بالاتر، با کلمات کد کوتاه و حروف با تواتر وقوع کمتر، با کلمات کد بلندتر نمایش داده میشوند [2].
تقریبا چهل سال بعد از آن، در سال 1875 امیل بودت[4] یک کد دودویی با طول ثابت 5 برای تلگراف ابداع نمود. در کد بودت، اجزای کد دارای طول یکسان بوده و نقطه[5] و فاصله[6] نامیده میشود. هر چند مورس ابداع کنندهی اولین سیستم مخابراتی دیجیتال (تلگراف) است، اما سر آغاز آنچه ما امروز به عنوان مخابرات دیجیتال مدرن میشناسیم به کار نایکویست[7] (1924) بر میگردد؛ که مسئله حداکثر نرخ دادهی قابل ارسال روی یک کانال تلگرافی با پهنای باند داده شده را بدون وقوع تداخل بین سمبلها بررسی نمود. نایکویست معادلهی (2-1) را برای سیستم تلگراف پیشنهاد نمود که سیگنال ارسالی آن دارای صورت عمودی زیر است[2].
(1-1)
که در این معادله بیانگر شکل پالس و دنباله دادهی دودویی است که با نرخ بر ثانیه ارسال شده است. نایکویست کار خود را با تعیین شکل پالس بهینه با پهنای باند محدود هرتز به گونهای آغاز نمود که علاوه بر عدم ایجاد تداخل بین سمبلها در لحظات نمونه برداری ، نرخ بیت نیز حداکثر شود. مطالعات، وی را به این نتیجه، که حداکثر نرخ ارسال پالس بر ثانیه است رساند، که این نرخ را، نرخ نایکویست مینامند. دستیابی به این نرخ ارسال با استفاده از شکل پالس مقدور است. این شکل پالس امکان بازیابی داده را بدون تداخل بین سمبلها در لحظات نمونهبرداری فراهم میکند. نتیجهی کار نایکویست معادل تفسیری از قضیهی نمونهبرداری برای سیگنالهای باند محدود است که بعدها توسط شانون[8] (1948) مطرح شد. قضیهی نمونه برداری چنین بیان میدارد که سیگنال باند محدود را میتوان از روی نمونههای برداشته شده با نرخ نایکویست نمونه در ثانیه با استفاده از فرمول درونیابی زیر بازسازی نمود.
(1-2)
هارتلی[9] با الهام از کار نایکویست (1928) مسئله نرخ ارسال مطمئن داده روی یک کانال دارای پهنای باند محدود را با استفاده از سطوح دامنهی چندگانه بررسی نمود. هارتلی از این قیاس منطقی که گیرنده با وجود نویز و تداخل میتواند دامنهی سیگنال دریافتی را با دقت معینی مثلا با اطمینان تخمین بزند استفاده کرد. بررسیهای هارتلی را به این نتیجه رهنمون ساخت که برای ارسال مطمئن اطلاعات روی یک کانال با پهنای باند محدود، وقتی که حداقل دامنه محدود به (قید توان ثابت) و توان تفکیک دامنه سیگنال دریافتی باشد، یک حداکثر نرخ ارسال داده وجود دارد [3]. یک پیشرفت چشمگیر دیگر در توسعه مخابرات دیجیتال، کار وینر[10] (1942) بود که مسئله تخمین شکل موج یک سیگنال دلخواه را در حضور نویز تجمعی و با مشاهده سیگنال دریافتی بررسی نمود. این مسئله در وامدولهسازی سیگنال مطرح میشود. وینر یک فیلتر خطی را تعیین نمود که خروجی آن بهترین تقریب سیگنال مورد نظر از دید متوسط مجذور است. فیلتر حاصله را، فیلتر خطی بهینه (کولموگارف[11]-وینر) گویند. نتایج هارتلی و نایکویست در مورد حداکثر نرخ ارسال اطلاعات دیجیتال بر کار شانون که به تبیین مبانی ریاضی انتقال اطلاعات و تعیین محدودیتهای پایهی سیستمهای مخابرات دیجیتال منجر گردید مقدم بود. شانون در کار پیشگامانهی خود مسئله اساسی انتقال مطمئن اطلاعات را در یک قالب آماری و با استفاده از مدلهای احتمالی برای منابع اطلاعات و کانالهای مخابراتی فرمولبندی نمود. همچنین نشان داد که اثر محدودیت توان فرستنده، محدودیت پهنای باند و نویز تجمعی را میتوان با کانال مرتبط نموده و در یک پارامتر واحد به نام ظرفیت کانال جای داد. به عنوان مثال در مورد یک نویز تجمعی گوسی سفید (طیف صاف)، ظرفیت یک کانال ایدهآل با پهنای باند محدود برابر است با:
(1-3)
که در آن متوسط توان ارسالی و چگالی طیفی توان نویز تجمعی است. مفهوم ظرفیت کانال به شرح زیر است: اگر نرخ اطلاعات منبع کمتر از ظرفیت باشد؛ در اینصورت از نظر تئوری امکان انتقال مطمئن اطلاعات (بدون خطا) از طریق این کانال با انتخاب شیوهی مناسب کدگذاری وجود دارد. از طرف دیگر اگر باشد مستقل از میزان پردازش انجامشده در فرستنده و گیرنده، امکان انتقال مطمئن وجود ندارد. در نتیجه شانون حدود اساسی انتقال اطلاعات را تبیین و حوزهی جدیدی به نام تئوری اطلاعات[12] را بنیان نهاد[3]. کار مهم دیگر در زمینه مخابرات دیجیتال مربوط به کوته لینکف[13] (1947) است که بر مبنای یک رویکرد هندسی[14] سیستمهای مختلف مخابرات دیجیتال را به صورت هماهنگ تجزیه و تحلیل نمود. کار او بعدها توسط وزنکراف[15] و جاکوبس[16] (1965) توسعه داده شد. متعاقب کار شانون، نوبت به کار کلاسیک همینگ[17] در مورد کدهای تصحیح و تشخیص خطا برای مقابله با اثرات تخریبی نویز کانال رسید. کار همینگ در سالهای بعد زمینهساز تحقیقات گستردهای شد که منجر به کشف کدهای متنوع و قدرتمند جدیدی گردید، و بسیاری از آنها در پیادهسازی سیستمهای مخابراتی مدرن امروزی به کار میروند. افزایش تقاضا
فرم در حال بارگذاری ...
[جمعه 1398-07-26] [ 12:06:00 ب.ظ ]
|