فهرست

فصل اول :مقدمه

فصل دوم :

مدولاسیون سیگنال های رادیویی 2-1
سیستم مخابراتی 2-1-1
اثر انحراف نرخ نمونه برداری 2-1-2
اثر داپلر و انحراف فرکانس حامل (CFO) 2-1-3
کانال مخابراتی 2-1-3-1
کانال محو کننده 2-1-3-2
کانال AWGN 2-2
اساس کار مدولاسیون های دیجیتال 2-3
مدولاسیون های دیجیتال 2-3-1
مدولاسیون (mASK (M Amplitude Shift Keying 2-3-2
مدولاسیون (mPSK (M Phase Shift Keying 2-3-3
مدولاسیون (mQAM (M Quadrature Amplitude Modulation 2-3-4
مدولاسیون (mFSK (M Frequency Shift Keying 2-3-5
مدولاسیون (MSK (Minimum Shift Keying 2-3-6
مدولاسیون (GMSK (Gaussian Minimum Shift Keying

فصل سوم: یادگیری ماشین و شبکه های عصبی

3-1 مقدمه
3-2 انواع روش های یادگیری
3-3 مدل های پایه یادگیری ماشین
3-4 شبکه عصبی

فصل چهارم : روش های تشخیص مدولاسیون

4-1 الگوریتم های مبتنی بر بیشینه شباهت
4-1-1 مدل سیگنال
4-1-2 طبقه بندهای مبتنی بر بیشینه شباهت
4-2 الگوریتم های مبتنی بر ویژگی های سیگنال
4-2-1 ساخت یک درخت تصمیم ساده
4-2-2 استفاده از آماره های مرتبه بالا در مدل
XGBOOST 4-2-3 استفاده از شبکه یادگیری ژرف برای تشخیص مدولاسیون

فصل پنجم : الگوریتم ارائه شده و نتایج

5-1 تولید مجموعه داده
5-2 الگوریتم طبقه بندی ارائه شده
5-3 انتخاب ویژگی ها
5-4 تنظیم پارامترهای مدل
5-5 مقایسه الگوریتم ارائه شده با الگوریتم های مشابه

فصل ششم : نتیجه گیری و پیشنهادات

منابع یا مراجع

کلمات کلیدی

یادگیری ژرف مدولاسیون سیگنال

طبقه بندی خودکار مدولاسیون , سیگنال رادیویی , یادگیری ژرف , یادگیری عمیق , الگوریتم های مبتنی بر ویژگی , مخابرات بی سیم , automatic modulation classification , radio signal , deep learning , feature based algorithms , wireless communication