Full-text resources of CEJSH and other databases are now available in the new Library of Science.
Visit https://bibliotekanauki.pl

Results found: 1

first rewind previous Page / 1 next fast forward last

Search results

Search:
in the keywords:  Continuous Wavelet Transform (CWT)
help Sort By:

help Limit search:
first rewind previous Page / 1 next fast forward last
1
Publication available in full text mode
Content available

Przegląd możliwości rozpoznawania wybranych typów modulacji sygnałów

100%
Walenczykowska M., Kijewski A.
Przegląd Bezpieczeństwa Wewnętrznego
|
2014
|
vol. 6
|
issue 11
206-222
PL
W artykule zaprezentowano skrótowo informacje dotyczące możliwości zastosowania sztucznych sieci neuronowych a następnie omówiono teoretyczne podstawy ich działania, począwszy od uproszczonej budowy neuronu. Przytoczono również podstawowe wzory pozwalające na obliczenie wartości wyjściowych sztucznego neuronu po podaniu na jego wejścia określonych wartości. Następnie przedstawiono wybrane typy modulacji sygnałów, czyli PSK, FSK, QAM, ASK oraz ich własności. Omówiono cechy charakterystyczne ciągłej transformacji falkowej (CWT) obliczonej dla wybranych typów modulacji, pozwalające na rozróżnienie poszczególnych typów modulacji i stanowiących podstawę przedstawionego w pracy algorytmu rozpoznawania typów modulacji z wykorzystaniem ciągłej transformacji falkowej (CWT) i sztucznej sieci neuronowej (SSN). W analizowanym algorytmie na wejścia sieci podawane są wartości średnie i odchylenia standardowe ciągłej transformacji falkowej, obliczonej dla poszczególnych sygnałów zmodulowanych. Zadaniem sieci neuronowej jest z kolei klasyfikacja typu modulacji sygnału na podstawie wspomnianych wyżej cech podawanych na jej wejście. W artykule przedstawiono również wyniki otrzymane podczas badań symulacyjnych wykonanych w środowisku MatLab (firmy MathWorks).
EN
The proper signal classification have a great importance in the domain of electronic surveillance or wireless communication. The article presents a short introduction into neural networks and describes their application. It also lists basic equations which are essential for the neural network theory. In this paper we also recall the most popular modulations types and investigate the possibility of using wavelet transform (CWT) and neural network for the modulation type recognition system. The modulation identification algorithm is also presented and its performance is analyzed. Four types of signal modulation are reviewed: PSK, FSK, QAM, ASK. The mean value and standard deviation of CWT of each modulation type are used as signal features. After the proper features are extracted they are sent to the two layer neural network entry which is proposed as a classifier. We use a back propagation training algorithm. Also simulation results were presented in the article.
first rewind previous Page / 1 next fast forward last
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.