In this dissertation, a new automatic modulation type recognition system for classifying digitally modulated unknown QAM and PSK signals is proposed. The proposed system consists of the blind deconvolution and the classification stages.
First, for the blind deconvolution, we employ the linear prediction to estimate the transmission channel characteristics and remove the effects of channel convolution. It removes the inter-symbol interferences resulting from the previous samples. Using the proposed method, we do not need a priori knowledge of statistical properties of transmitted data.
Second, we propose new classification parameters, the variance of constellation magnitude ratios and the mean of mod 2π phase differences, for classifying QAM and PSK signals. Our proposed parameters are based on the statistical characterization of constellations and have the following advantages. The ratio of magnitudes does not depend on the absolute sizes of amplitudes. Therefore, no problems arise from the imprecise amplitude of the recovered signals. Our classification does not require the training experiments, therefore implementations are relatively easy. We derive the classification parameters in a Gaussian channel and find the optimal decision regions for the classification. Seven different types of QAM constellations - 4QAM, 8QAM, 16-square QAM, 16-cross QAM, 32QAM, 64QAM and 128QAM - and three different types of PSK constellations - BPSK, QPSK and 8PSK - are tested and the classification accuracy for each constellation type is investigated in various SNR environments.
The effectiveness of our proposed scheme is tested for the PSTN voice telephony channel environment. From the simulation results, a good classification accuracy is obtained when SNR of the input signals is higher than that of required for the constellation types under test.
본 논문은 QAM, PSK로 변조된 디지털 미상 신호를 자동으로 판별하는 새로운 인식 시스템에 관한 연구이다.
제안하는 시스템은 구성상 크게 자기 복구(Blind Deconvolution)부와 식별(Classification)부의 두 부분으로 나뉜다.
자기 복구를 위하여 전송 채널을 Prediction하는 방법을 제안한다. 이 방법은 입력 신호에 상관없이 전송 채널의 특성을 예측하고, 통신 시 발생하는 채널 간섭(Channel ISI)을 자동적으로 제거하는 방법이다. 입력 단의 샘플 데이터만을 이용하여 채널 간섭를 없앨수 있으므로 전송 신호의 통계적 특성을 알지 않아도 되는 장점이 있고, 따라서 미상신호를 자동적으로 복구 할수 있게 된다.
QAM, PSK 변조된 미상 신호의 식별을 위하여 두개의 식별 매개 변수(Parameter)를 소개한다. 제안하는 식별 매개 변수로는 크기비의 변차값(Variance of magnitude ratio)과 mod 2π 위상차의 평균값(Mean of mod 2π phase difference)을 사용 하는데, 신호 성운(Constellation)의 통계적 분석을 통하여 가장 뚜렷한 두개의 인식 매개 변수를 선택한다. 제안하는 식별 방법은 다음과 같은 장점이 있다. 먼저 입력 신호의 크기를 조절하는 증폭장치(Gain control)가 필요하지 않다. 크기의 비를 이용할경우 크기의 조정과 상관 없이 항상 일정하기 따문이다. 또한 식별에 있어서 훈련 과정(Trainig experiments)이 필요 없다. 따라서, 구현(Implementation)이 매우 간단하다.
본 연구에서는 통신 채널 환경을 가우시안(Gaussian)채널로 가정하여 매개 변수들을 분석 하였고, 최선 분류 영역(Optimal decision region)을 구하였다. 입력 신호로는 7개의 QAM신호(4QAM, 8QAM, 16-square QAM, 16-cross QAM, 32QAM, 64QAM,128QAM)와 3개의 PSK신호(BPSK,QPSK,8PSK)의 총 10종류 신호를 테스트 하였고, 각 신호에 대한 식별의 정확성을 특정 SNR에서 측정 하였다.
시뮬레이션 결과를 통하여, 본 논문에서 제안한 자동 인식 시스템이 높은 SNR 통신 환경에서 매우 정확하게 작동되는 것을 증명 한다.
