تبریز: دانشگاه تبریز ، دانشکده مهندسی برق و کامپیوتر ، گروه مخابرات
۸۰ص
چاپی
فاقد اطلاعات کامل
درجه کارشناسی ارشد
مهندسی برق - مخابرات
۱۳۹۰/۱۱/۲۵
تبریز: دانشگاه تبریز ، دانشکده مهندسی برق و کامپیوتر ، گروه مخابرات
امروزه، سیگنالهای DSSS به طور وسیعی در سیستمهای مخابراتی مدرن مورد استفاده قرار میگیرند .بر اساس دورهی تناوب سمبلها در سیگنال اطلاعات و دوره تناوب دنبالهی شبه-نویز، سیگنالها به دو دوستهی کد کوتاه (SC) و کد بلند (LC) تقسیم میشوند .برای گیرندههایCooperative- Non، این اطلاعات نامعلوم هستند .در این پایاننامه، یک الگوریتم کور مبتنی بر آمارهای مراتب بالاتر برای بهدست آوردن این اطلاعات در گیرنده پیشنهاد شده است .این آمارها عبارتند از :واریانس،Skewness ، Kurtosis و Cumulant مرتبه ششم .با استفاده از ماتریسهای همبستگی سیگنال دریافتی، هر یک از آمارها محاسبه میشوند .که نهایتا به ازای هر کدام از آمارها، منحنیهایی برای سیگنالهای SC وDSSS- LCبهدست میآید .با مقایسهی این دو منحنی با یک مقدار آستانهی از پیش تعیین شده، نوع سیگنال دریافتی مشخص میشود .نتایج شبیهسازیها نشان میدهند که دستهبندی سیگنالهای SC وDSSS- LCبا استفاده از آمارهای مراتب بالاتر، خیلی بهتر از آمار مرتبه دوم که قبلا بحث شده است، صورت میگیرد
Direct Sequence Spread Spectrum (DSSS) signals are widely used in modern communications. According to the bit period in the information signal and period of spreading sequence, the DSSS signals are divided into two categories: the short code (SC) and the long code (LC) DSSS. For the non-cooperative receivers, these information is unknown. In this thesise we propose, a blind algorithm to obtain this information based on the higher-order statistics. These statistics are: variance, skewness, kurtosis and sixth-order cumulants. Using each of the above statistics on correlation matrices and comparison them for SC and LC-DSSS signals of the obtained statistical results with a predetermined threshold shows that the type of the received signal can be identified. Simulation results indicate that classification of the short code and the long code DSSS signals, with higher-order statistics, can be done much better than the second-order statistics, as used in the previous literature on this topic