В.К. Курбаналиев1, М.В. Фесенко2, Ю.Н. Горбунов3

1-3 АО «ЦНИРТИ им. академика А.И. Берга» (Москва, Россия)

1-3 post@cnirti.ru

Постановка проблемы. На сегодняшний день актуальной задачей, решаемой в радиотехнических системах различного назначения, является распознавание видов модуляции радиосигналов. Так, в средствах радиомониторинга информация о виде модуляции используется для идентификации несанкционированных источников радиоизлучения и измерения их параметров, а в системах радиоэлектронной борьбы (РЭБ) эта информация необходима, например, при выборе более эффективного вида помех.

Цель. Получить математические выражения для расчета смешанных кумулянтов до десятого порядка включительно и определить значения смешанных кумулянтов для распознавания наиболее распространенных цифровых видов модуляции.

Результаты. Обоснована актуальность усовершенствования методов распознавания цифровых видов модуляции. Показано, что в качестве модуляционных признаков для распознавания видов модуляции можно использовать смешанные кумулянты высших порядков. Приведены аналитические выражения расчета смешанных кумулянтов до десятого порядка включительно через величины смешанных моментов. Получены значение смешанных кумулянтов для радиосигналов с наиболее распространенными видами цифровой модуляции. Разработана общая методика синтеза алгоритмов распознавания вида модуляции на основе кумулянтного анализа. Представлены рекомендации по синтезу алгоритмов распознавания вида модуляции на основе кумулянтного анализа.

Практическая значимость. Применение предложенного подхода при проектировании радиоэлектронных систем позволяет получить высокую вероятность правильного распознавания цифровых видов модуляции при сравнительно небольшой расчетной сложности.

Курбаналиев В.К., Фесенко М.В., Горбунов Ю.Н. Использование кумулянтного анализа для распознавания цифровых видов модуляции радиосигналов // Радиотехника. 2024. Т. 88. № 5. С. 38-48. DOI: https://doi.org/10.18127/j00338486-202405-04

1. Рембовский А.М., Ашихмин А.В., Козьмин В.А. Радиомониторинг: задачи, методы, средства / Под ред. А.М. Рембовского. Изд. 3-е, перераб. и доп. М: Горячая линия – Телеком. 2012. 640 с.
2. Azzouz E.E., Nandi A.K. Automatic Modulation Recognition of Communication Signals. Kluwer Academic Publishers. 1996.
3. Zhu Z., Nandi K. Automatic modulation classification principles, algorithms and applications. JohnWiley & Son. London. 194 p.
4. Курбаналиев В.К., Горбунов Ю.Н. Автоматическое распознавание видов модуляции: кумулянтный подход // Вестник РАЕН. 2023. № 1.
5. Аджемов С.С., Кленов Н.В., Терешонок М.В., Чиров Д.С. Методы распознавания видов цифровой модуляции сигналов в когнитивных радиосистемах // Вестник Московского университета. Сер. 3. Физика. Астрономия. 2015. № 6. С. 19-27.
6. Steiner M.P. Spectrum Sensing and Blind Automatic Modulation Classification in Real Time. Master of science in electrical and computer engineering. Blacksburg. Virginia. 2011. 75 p.
7. Dobre O., Abdi A., Bar-Ness Y., Su W. A Survey of Automatic Modulation Classification Techniques: Classical Approaches and New Trends // IEEE Proceedings on Communications. 2006.
8. Zhang L. Research on modulation recognition algorithm based on high-order cumulant // Journal of Information Engineering University. 2017. V. 18. № 4. Р. 403-408. DOI: 10.3969/j.issn.1671-0673.2017.04.005.
9. Velampalli C. Hierarchical blind modulation classification in the presence of carrier frequency offset // Master’s Thesis. Communications Research Center. 2010. P. 1-39.
10. Thakur P., Madan S., Madan M. Trends in automatic modulation classification for advanced datacommunication networks // International journal of advanced research in computer engineering & technology. 2015. V. 4. 12 p.
11. Lee J.H., Kim J., Kim B., Yoon D., Choi J.W. Robust automatic modulation classification technique for fading channels via deep neural network // Entropy. 2017. № 19. Р. 454.
12. Курбаналиев В.К. Кумулянтные признаки для определения типа манипуляции сигналов // РЭНСИТ. 2020. № 12(3).
    С. 331–340. DOI: 10.17725/rensit.2020.12.331.
13. Аведьян Э.Д., Дам В.Н. К выбору кумулянтных признаков в задаче распознавания видов цифровой модуляции радиосигналов // Информатизация и связь. 2015. № 4. Р. 11-15.
14. Дам Ван Ньить. Нейросетевые технологии в задаче автоматического распознавания видов цифровой модуляции: Автореф. дисс. М.: МФТИ. 2018. 159 с.
15. Smith A., Evans M., Downey J. Modulation classification of satellite communication signals usingcumulants and neural networks // Cognitive Communications for Aerospace Applications Workshop. 2017. 8 p.
16. Young A.F. Classification of digital modulation types in multipath environments // Master’s Thesis. Naval Postgraduate School. Monterey. CA 93943-5000. California. June 2008. P. 1-65.
17. Proakis J.G., Masoud Salehi. Digital communications. McGraw-Hill Education. 5th ed. 2007.
18. Леонов В.П., Ширяев А.Н. К технике вычисления семинвариантов // Теория вероятности и ее применение. 1959. Т. 4. Вып. 3. С. 342–355
19. Малахов А.Н. Кумулянтный анализ случайных негауссовых процессов и их преобразований. М.: Советское радио. 1978. 376 с.
20. Кендалл М. Дж., Стьюарт А. Теория распределений. М.: Наука. 1966. 587 с.