پایش طیف فرکانسی بر پایه یادگیری انتها به انتها از داده های طیفی به روش یادگیری عمیق

Abstract

یادگیری انتها به انتها یک ابزار قدرتمند برای پایش طیف فرکانسی است و میتواند بر روی سیگنالهای مختلف بیسیم اعمال شود تا به طور موثر حضور فرستندههای رادیویی را بدون نیاز به ویژگیهای تخصصی تشخیص دهد. در این مقاله شناسایی تکنولوژی و تشخیص مدولاسیون برای 5 نوع نمایش یعنی حوزه زمان، دامنه و فاز، حوزه فرکانس، تبدیل هیلبرت و تبدیل موجک، از دادههای سیگنال بیسیم در SNR های مختلف با استفاده از شبکه عصبی پیچشی بر پایه یادگیری انتها به انتها مورد بررسی قرار گرفته است. نتایج نشان میدهد که نمایشهای مختلف داده بر روی دقت طبقهبند تاثیر دارد. لذا میتوان با توجه به نوع درخواست، نمایش مناسب را انتخاب نمود. نتایج نشان میدهد نمایش داده در حوزه فرکانس عملکرد بهتری نسبت به سایر نمایشها در شناسایی تکنولوژی شبکه بیسیم دارد و اختلاف دقت نمایشهای مختلف داده در SNR های بالا تا % 2، در SNR های متوسط تا % 6 و در SNR های پایین تا % 26 است. در تشخیص مدولاسیون، نمایش داده سیگنال بیسیم، تبدیل موجک نسبت به سایر نمایشها نتایج قابل قبولتری را در برداشته و اختلاف دقت نمایشهای مختلف داده در تشخیص مدولاسیون به ترتیب در SNR های بالا تا % 12 ، در SNR های متوسط تا % 1 و در SNR های پایین تا % 19 می باشد.