استفاده از ترکیب الگوریتم BA و شبکه عصبی MLP در طبقه بندی مدولاسیون های دیجیتال و تشخیص ویژگی ویولت

طبقه بندی خودکار مدولاسیون را میتوان به عنوان فرآیند شناسایی کور نوع مدولاسیون یک سیگنال دریافتی تعریف کرد. در قالب گیرنده های هوشمند، طبقه بندی خودکار مدولاسیون به عنوان مرحله میانی، بین زیرسامانه ی کشف سیگنال و دمدولاتور قرار دارد. در این مقاله تشخیص نوع مدولاسیون برای سیگنالهای به کار رفته در یکی از استانداردهای مخابرات ماهوارهای بررسی شده است. در روشهای پیشنهادی این مقاله از ویولت به عنوان تشخیص ویژگی و ازترکیب الگوریتم کلونی زنبور عسل (BA) و شبکه عصبی MLP به عنوان طبقه بندی کننده استفاده شده است. این روشها به ازای شرایط مختلف شبیه سازی، ارزیابی و براساس عملکرد، میزان پیچیدگی و تجهیزات مورد نیاز برای پیاده سازی مقایسه شده اند. ترکیب الگوریتم BA و شبکه عصبی MLP باعث رفع مشکل یادگیری زمان بر نرونها و افزایش دقت آموزش شبکه عصبی می شود. در این مقاله دو مدولاسیون معروف QPSK و 8PSK شبیه سازی و با استفاده از ویولت و الگوریتم کلونی زنبور عسل (BA) و شبکه عصبی MLP ، تشخیص و طبقه بندی شده اند. نتایج به دست آمده نشان دهنده دقت بالای تشخیص نوع مدولاسیونها برای مدل پیشنهادی است.

کلیدواژه ها:

مدولاسیون دیجیتال ، ویولت ، شبکه عصبیMLP ، الگوریتم BA