دانشگاه و پژوهشگاه عالی دفاع ملی و تحقیقات راهبردی
وزارت علوم، تحقیقات و فناوری
سامانه رتبه بندی نشریات علمی
سامانه همایش ها
سامانه جامع رسانه‌های کشور
پایگاه استنادی علوم جهان اسلام
مرکز ملی شاپا

 آمار

تعداد نشریات18
تعداد شماره‌ها435
تعداد مقالات3,002
تعداد مشاهده مقاله2,184,553
تعداد دریافت فایل اصل مقاله1,896,037
اعتضادی فر, پوریا, قاسمی, مهدی, عزیزی, مهدی. (1404). تشخیص مدولاسیون خودکار تعمیم‌یافته برای شبکه‌های رادیویی شناختی. سامانه مدیریت نشریات علمی, 8(3), 11-36.
پوریا اعتضادی فر; مهدی قاسمی; مهدی عزیزی. "تشخیص مدولاسیون خودکار تعمیم‌یافته برای شبکه‌های رادیویی شناختی". سامانه مدیریت نشریات علمی, 8, 3, 1404, 11-36.
اعتضادی فر, پوریا, قاسمی, مهدی, عزیزی, مهدی. (1404). 'تشخیص مدولاسیون خودکار تعمیم‌یافته برای شبکه‌های رادیویی شناختی', سامانه مدیریت نشریات علمی, 8(3), pp. 11-36.
اعتضادی فر, پوریا, قاسمی, مهدی, عزیزی, مهدی. تشخیص مدولاسیون خودکار تعمیم‌یافته برای شبکه‌های رادیویی شناختی. سامانه مدیریت نشریات علمی, 1404; 8(3): 11-36.

تشخیص مدولاسیون خودکار تعمیم‌یافته برای شبکه‌های رادیویی شناختی

فصلنامه آماد و فناوری دفاعی
دوره 8، شماره 3 - شماره پیاپی 27، مهر 1404، صفحه 11-36
نوع مقاله: مقاله پژوهشی
نویسندگان
پوریا اعتضادی فر* 1؛ مهدی قاسمی2؛ مهدی عزیزی3
1استادیار گروه مخابرات، دانشکده برق و کامپیوتر، دانشگاه جامع امام حسین (ع)، تهران، ایران
2دانشجوی کارشناسی ارشد مخابرات سیستم، دانشکده رایانه، شبکه و ارتباطات، دانشگاه جامع امام حسین (ع)، تهران
3استادیار گروه ارتباطات و شبکه، دانشکده رایانه، شبکه و ارتباطات، دانشگاه جامع امام حسین (ع)، تهران، ایران
چکیده
دسته‌بندی مدولاسیون خودکار (AMC) نقشی اساسی در سیستم‌های ارتباطی دفاعی و نظامی ایفا می‌کند، به ویژه در سناریوهایی که سازگاری، انعطاف‌پذیری و قابلیت اطمینان حیاتی هستند. در شبکه‌های رادیویی شناختی، AMC شناسایی بلادرنگ طرح‌های مدولاسیون را امکان‌پذیر می‌سازد، که برای نظارت موثر طیف، کاهش تداخل، و ارتباطات امن در محیط‌های پویا و رقابتی ضروری است.
در این مطالعه با توسعه یک شبکه عصبی کانولوشنال تطبیقی با کیفیت سیگنال (SQACNN)، مدلی برای دسته‌بندی دقیق‌تر و مقاوم‌تر مدولاسیون‌های سیگنال رادیویی ارائه داده است. هدف اصلی، ایجاد مدلی است که با کیفیت سیگنال‌های ورودی هماهنگ شود و تأثیر نویز را کاهش دهد. بدین منظور، از تابع زیان تطبیقی استفاده شده تا زیان آنتروپی متقاطع را با عوامل منظم‌سازی، شامل ضریب پخش‌شدگی سیگنال، ضریب فشردگی ویژگی و ضریب تنظیم SNR ترکیب کند.
با استفاده از مجموعه‌داده ارزیابی، دقت دسته‌بندی مدل در طول SNR های مختلف مورد ارزیابی قرار گرفت که مشاهده گردید، مدل پیشنهادی SQACNNدارای پیشرفت‌های چشمگیری در دقت دسته‌بندی با دقت کلی 03/71 درصد و همچنین با حفظ دقت مطلوب به‌خصوص در شرایط SNR پایین، استحکام و پایداری مدل مورد تایید می‌گیرد. این تحقیق نشان‌دهنده اثربخشی ترکیب معیارهای کیفیت سیگنال در فرایند یادگیری است و آن را به ابزاری مفید برای کاربردهای پردازش سیگنال در دنیای واقعی تبدیل می‌کند
کلیدواژه‌ها
تشخیص مدولاسیون خودکار؛ یادگیری عمیق؛ شبکه عصبی کانولوشنال؛ رادیو شناختی؛ ارتباطات هوشمند
آمار
تعداد مشاهده مقاله: 2