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

یادگیری انتها به انتها یک ابزار قدرتمند برای پایش طیف فرکانسی است و می تواند بر روی سیگنال های مختلف بیسیم اعمال شود تا به طور موثر حضور فرستنده های رادیویی را بدون نیاز به ویژگی های تخصصی تشخیص دهد. در این مقاله شناسایی تکنولوژی و تشخیص مدولاسیون برای ۵ نوع نمایش یعنی حوزه زمان، دامنه و فاز، حوزه فرکانس، تبدیل هیلبرت و تبدیل موجک، از داده های سیگنال بیسیم در SNRهای مختلف با استفاده از شبکه عصبی پیچشی بر پایه یادگیری انتها به انتها مورد بررسی قرار گرفته است. نتایج نشان می دهد که نمایش های مختلف داده بر روی دقت طبقه بند تاثیر دارد. لذا می توان با توجه به نوع درخواست، نمایش مناسب را انتخاب نمود. نتایج نشان می دهد نمایش داده در حوزه فرکانس عملکرد بهتری نسبت به سایر نمایش ها در شناسایی تکنولوژی شبکه بیسیم دارد و اختلاف دقت نمایش های مختلف داده در SNRهای بالا تا ۲%، در SNRهای متوسط تا ۶% و در SNRهای پایین تا ۲۶% است. در تشخیص مدولاسیون، نمایش داده سیگنال بی سیم، تبدیل موجک نسبت به سایر نمایش ها نتایج قابل قبول تری را در برداشته و اختلاف دقت نمایش های مختلف داده در تشخیص مدولاسیون به ترتیب در SNRهای بالا تا ۱۲%، در SNRهای متوسط تا ۱% و در SNRهای پایین تا ۱۹% می باشد.

Keywords:

یادگیری انتها به انتها , پایش طیف , شناسایی تکنولوژی , تشخیص مدولاسیون , شبکه عصبی پیچشی