А.А. Парамонов, Г.А. Милорадов

ИДЕНТИФИКАЦИЯ ВИДА ЦИФРОВОЙ МОДУЛЯЦИИ СИГНАЛА С АПРИОРНО НЕИЗВЕСТНЫМИ ПАРАМЕТРАМИ

Резюме: Целью данной работы является исследование алгоритма идентификации вида цифровой модуляции сигнала (ИВЦМС) и оценка его точности при различных отношениях сигнал/шум (ОСШ), случайной символьной скорости, случайной начальной фазе и частотной отстройке обрабатываемого сигнала. В статье приведены наборы кумулянтных информационных признаков (КИП), используемых при решении задачи ИВЦМС. Разработаны и обучены искусственные нейронные сети (ИНС) для идентификации вида модуляции сигнала по отобранным информативным КИП. Оценена эффективность метода повышения точности алгоритма при значениях ОСШ менее 0дБ путем обучения ИНС на выборках сигналов при наличии белого гауссовского шума (БГШ) при равномерно распределённых значениях ОСШ для отдельных реализаций сигналов в обучающих и валидационных выборках, используемых для обучения ИНС. Приведены результаты оценки точности алгоритма ИВЦМС для двух подходов обучения ИНС (на выборках при отсутствии и при наличии БГШ) при различных ОСШ, случайной символьной скорости, случайной начальной фазе и частотной отстройке обрабатываемого сигнала. Проведены анализ и сравнение полученных результатов с результатами других авторов.

Ключевые слова: Система радиосвязи, когнитивное радио, цифровая модуляция, ОСШ, символьная скорость, некогерентная обработка сигнала, частотная отстройка, кумулянт, искусственная нейронная сеть, компьютерное моделирование.

A.A. Paramonov, G.A. Miloradov

IDENTIFICATION OF DIGITAL MODULATION TYPE FOR SIGNALS WITH UNKNOWN PARAMETERS

Summary: The objective of this paper is to investigate an algorithm for automatic modulation classification (AMC) of digital signals and to evaluate its accuracy under varying signal-to-noise ratios (SNR), random symbol rates, random initial phase offsets, and carrier frequency offsets of the processed signal. The paper presents the sets of cumulant-based features used for solving the AMC problem. An artificial neural network (ANN) has been designed and trained to classify the modulation type based on the selected informative cumulant features. The effectiveness of the method for improving the algorithm’s accuracy at SNR values below 0 dB is evaluated by training the ANN on signal samples corrupted by additive white Gaussian noise (AWGN), where the SNR values are drawn from a uniform distribution for each individual signal realization in the training and validation datasets used for ANN training. The paper presents the accuracy evaluation results of the AMC algorithm for two ANN training approaches (using noise-free samples versus AWGN-corrupted samples) under varying SNR, random symbol rate, random initial phase offset, and carrier frequency offset. The obtained results are analyzed and compared with the findings of other authors.

Keywords: radio communication system, cognitive radio, digital modulation, SNR, symbol rate, noncoherent signal processing, frequency offset, cumulant, artificial neural network, computer modeling.

DOI: 10.34219/2078-8320-2026-16-2-46-56