هشتم

با توجه به انتخاب آمارگان مرتبه بالا برای شناسایی نوع مدولاسیون، در پایان نامه حاضر این آمارگان برای تمامی سیگنال­ها و در تمامی SNRها محاسبه شده است. شکل‌های ۲-۳-الف تا ۲-۳-ش مقدار میانگین ممان­های با توان-نرمالیزه شده را در SNR های متفاوت برای ۱۰۰ سیگنال از هر نوع مدولاسیون را در کانال AWGN نشان می‌دهد. لازم به ذکر است که مقادیر ممان­های  برای هر نوع مدولاسیون، طبق رابطه  ، نسبت به توان سیگنال (  ) نرمالیزه می‌گردند. در واقع هدف نمایش این اشکال در اینجا این است که با بررسی بیشتر، مزایا و معایب ممان­های مرتبه بالا که در کارهای دیگران در بسیاری از موارد به چشم می­خورد؛ مشخص شود. این آمارگان قادرند تا دسته­های مختلفی از مدولاسیون­ها را از هم جدا نمایند. همان­طور که مشاهده می‌شود؛ اغلب این مدولاسیون‌ها توسط ترکیبی از این ویژگی‌ها در SNR های متفاوت به خوبی قابل شناسایی و تفکیک می‌باشند. به عنوان مثال ویژگی ممان مرتبه‌ی دو-صفر که در شکل ۲-۳- الف نشان ‌داده شده؛ توانسته سه دسته از مدولاسیون‌ها را در سیگنال به نویز صفر دسیبل به خوبی از هم تفکیک نماید. شکل ۲-۳-ب. نمایشی از میانگین مقادیر ممان مرتبه‌ی دو-یک برای صد نمونه از سیگنال است که نرمالیزه سازی توان سیگنال دریافتی را نشان می­دهد. شناساگر براساس این ویژگی، قادر به شناسایی سیستم نیست؛ چرا که حتی در سیگنال به نویز­های بالا هم، مقدار ویژگی برای تمامی کلاس­ها (بخاطر نرمالیزه کردن) با یکدیگر برابر است و شاخصی برای جداسازی سیگنال وجود ندارد. شکل ۲-۳-پ نشان می‌دهد که چگونه ممان مرتبه‌ی چهار-صفر در SNR های بالا پنج دسته مدولاسیون را از هم تفکیک نموده است. با این­حال علیرغم قابلیت بالای این ممان­ها، مشاهده می­ شود که این ممان­ها در بعضی موارد کارایی لازم را ندارند. به عنوان مثال در همان شکل۲-۳-الف، مشاهده می­ شود که ممان مرتبه دوصفر به تنهایی قادر است تا سه دسته مدولاسیون را در SNRهای پایین از هم تفکیک نماید. اما در SNRهای بالا تعداد دسته­های تفکیک­پذیر به دو دسته تقلیل می­پذیرد. به راحتی از این شکل مستفاد می­گردد که نباید انتظار داشت که با افزایش SNR درصد تشخیص بالاتر رود. به بیان دیگر، افزایش نسبت سیگنال به نویز، گرچه سبب ثابت شدن مقادیر ویژگی­ها می­ شود اما گاهی موجب تداخل مقدار ویژگی در دو یا چند کلاس نیز می­گردد. این تداخل باعث می­ شود تا علیرغم اینکه ویژگی­ها به ویژگی­های سیگنال خالص(بدون نویز) نزدیک­ترند؛ طبقه بندی کننده در SNR بالا (در بعضی موارد) به درصد تشخیص کمتری نسبت به تشخیص در SNR پایین برسد. فرض نمایید تنها بخواهیم با بهره گرفتن از همین ممان­ها تشخیص نوع مدولاسیون را انجام دهیم. با بررسی بیشتر این اشکال انتظار می­رود تا درصد تشخیص برای بیشتر سیگنال­ها ضعیف باشد چراکه بیشتر مقادیر این ویژگی­ها حول مقدار میانگین صفر قرار دارند.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

شکل۲-۳-الف مقدار ویژگی ممان مرتبه‌ی دو-صفر برای ۱۰۰ سیگنال از هر مدولاسیون

شکل۲-۳-ب مقدار ویژگی ممان مرتبه‌ی دو-یک برای ۱۰۰سیگنال از هر مدولاسیون

شکل۲-۳-پ مقدار ویژگی ممان مرتبه‌ی چهار-صفر برای ۱۰۰سیگنال از هر مدولاسیون

شکل۲-۳-ت مقدار ویژگی ممان مرتبه‌ی چهار-یک برای ۱۰۰سیگنال از هر مدولاسیون

شکل۲-۳-ج مقدار ویژگی ممان مرتبه‌ی چهار-دو برای ۱۰۰سیگنال از هر مدولاسیون

شکل۲-۳-چ مقدار ویژگی ممان مرتبه‌ی شش-صفر برای ۱۰۰سیگنال از هر مدولاسیون

شکل۲-۳-ح مقدار ویژگی ممان مرتبه­ی شش-یک برای ۱۰۰سیگنال از هر مدولاسیون

شکل۲-۳-خ مقدار ویژگی ممان مرتبه‌ی شش-دو برای ۱۰۰سیگنال از هر مدولاسیون

شکل۲-۳-د مقدار ویژگی ممان مرتبه‌ی شش-سه برای ۱۰۰سیگنال از هر مدولاسیون

شکل۲-۳-ذ مقدار ویژگی ممان مرتبه‌ی هشت-صفر برای ۱۰۰سیگنال از هر مدولاسیون

شکل۲-۳-ر مقدار ویژگی ممان مرتبه‌ی هشت-یک برای ۱۰۰سیگنال از هر مدولاسیون

شکل۲-۳-ز مقدار ویژگی ممان مرتبه‌ی هشت-دو برای ۱۰۰سیگنال از هر مدولاسیون

شکل۲-۳-س مقدار ویژگی ممان مرتبه‌ی هشت-سه برای ۱۰۰سیگنال از هر مدولاسیون