Используйте сверточную нейронную сеть (CNN) в классификации модуляций. Вы генерируете синтетический продукт, поврежденные каналом формы волны. Используя сгенерированные формы волны как обучающие данные, вы обучаете CNN классификации модуляций. Вы затем тестируете CNN с оборудованием программно определяемого радио (SDR) и беспроводными сигналами.

Передайте и получите данные с помощью непрямоугольного 16-ary созвездия в присутствии Гауссова шума. Покажите график рассеивания шумного созвездия и оцените коэффициент ошибок символа (SER) для двух различных отношений сигнал-шум.

Сравнивает Мультипоставщика услуг набора фильтров (FBMC) с Ортогональным мультиплексированием деления частоты (OFDM) и подсвечивает достоинства схемы модуляции кандидата Пятого поколения (5G) системы связи.

Сравнивает Ортогональное мультиплексирование деления частоты (OFDM) с Фильтрованным-OFDM (F-OFDM) и подсвечивает достоинства схемы модуляции кандидата Пятого поколения (5G) системы связи.

Сравнивает Универсального фильтрованного мультипоставщика услуг (UFMC) с Ортогональным мультиплексированием деления частоты (OFDM) и подсвечивает достоинства схемы модуляции кандидата Пятого поколения (5G) системы связи.

Прямой способ выполнить модуляцию полосы пропускания, путем умножения модулируемого комплексного сигнала с комплексной синусоидой, чтобы выполнить повышающее преобразование частоты. В общем случае желательно моделировать систему в комплексной основной полосе. Однако существуют некоторые обстоятельства, где необходимо смоделировать систему в действительной полосе пропускания. Пример этого - когда смежный сигнал полосы обрабатывается с нелинейностью и вызывает интерференцию в желаемую полосу. Эта модель также иллюстрирует эффект такой интерференции.

Сгенерируйте сигналы и нарушения канала, чтобы обучить нейронную сеть, названную LLRNet, оценить точные логарифмические отношения правдоподобия (LLR).

Повышение производительности BER для модуляции QPSK при использовании отношения логарифмической правдоподобности (LLR) вместо демодуляции трудного решения в convolutionally закодированной линии связи. С демодуляцией LLR можно использовать Декодер Витерби или в неквантованном режиме декодирования или в режиме декодирования мягкого решения. Неквантованное декодирование, где входные параметры декодера являются действительными значениями, хотя лучше в терминах BER, не практически жизнеспособно. В более практическом декодировании мягкого решения демодулятор вывел, квантуется прежде чем быть питаемым декодера. Обычно замечается, что это не несет значительные расходы в BER, значительно уменьшая сложность декодера. Мы подтверждаем это экспериментально через этот пример.

Ортогональный пространственно-временной блочный код (OSTBC), конкатенированный с закодированной решеткой модуляцией (TCM) для информационной передачи по нескольким - ввел, несколько - выводят (MIMO), канал с 2 антеннами передачи и 1 получает антенну. Пример использует систему связи objects™, чтобы симулировать эту систему.

Улучшение производительности BER при использовании отношения логарифмической правдоподобности (LLR) вместо демодуляции трудного решения в convolutionally закодированной линии связи.

Ортогональный пространственно-временной блочный код (OSTBC), конкатенированный с закодированной решеткой модуляцией (TCM) для информационной передачи по нескольким - ввел, несколько - выводят (MIMO), канал с 2 антеннами передачи и 1 получает антенну.