Portal de Periódicos da CAPES

Digital modulation classification using constellation shape

2000; Elsevier BV; Volume: 80; Issue: 2 Linguagem: Inglês

10.1016/s0165-1684(99)00127-9

1872-7557

Bijan G. Mobasseri,

Wireless Signal Modulation Classification

Constellation diagram is a traditional and powerful tool for design and evaluation of digital modulations. In this work we propose to use constellation shape as a robust signature for digital modulation recognition. We represent the transmitted “information” by the geometry of the constellation. Received information is in turn the recovered constellation shape that is deformed by noise, channel and receiver implementation. We first demonstrate that fuzzy c-means clustering is capable of robust recovery of the unknown constellation. To perform Bayesian inference, the reconstructed constellation is modeled by a discrete multiple-valued nonhomogenous spatial random field. For candidate modulations, their corresponding random fields are modeled off-line. The unknown constellation shape is then classified by an ML rule based on the preceding model building phase. The algorithm is applicable to digital modulations of arbitrary size and dimensionality. Das Konstellationsdiagramm ist ein traditionelles und leistungsfähiges Werkzeug für den Entwurf und die Bewertung digitaler Modulationsverfahren. In dieser Arbeit schlagen wir vor, die Konstellationsform als robuste Signatur zur digitalen Modulationserkennung zu verwenden. Wir stellen die übertragene “Information” durch die Geometrie der Konstellation dar. Die empfangene Information ist dann die rekonstruierte Konstellationsform, welche durch Rauschen, den Kanal und die Empfängerimplementierung deformiert ist. Zunächst demonstrieren wir, daßeine Gruppenbildung mittels fuzzy c-Mittelwerten in der Lage ist, die unbekannte Konstellation robust zu rekonstruieren. Um Bayessche Schlußfolgerungen durchführen zu können, wird die rekonstruierte Konstellation durch ein diskretes, mehrwertiges, nichthomogenes räumliches Zufallsfeld modelliert. Die den in Frage kommenden Modulationen entsprechenden Zufallsfelder werden im voraus modelliert. Die unbekannte Konstellationsform wird dann mittels einer ML-Regel klassifiziert, welche auf der vorhergenhenden Modellierungsphase beruht. Der Algorithmus eignet sich für digitale Modulationsverfahren beliebiger Größe und Dimensionalität. Un diagramme de constellation est un outil traditionnel et puissant de conception et d'évaluation d'une modulation numérique. Dans ce travail, nous proposons l'utilisation de la forme de constellation comme signature robuste pour la reconnaissance de modulations numériques. Nous représentons l'information transmise par la géométrie de la constellation. A son tour, l'information reçue est constituée par la forme de la constellation. qui est déformée par le bruit, le canal et l'implémentation du récepteur. Nous démontrons tout d'abord qu'un clustering par l'algorithme c-means flou est capable de retrouver de façon robuste une constellation inconnue. Pour effectuer une inférence Bayésienne, la constellation reconstruite est modélisée par un champ aléatoire spatial non-homogène à valeurs multiples discrètes. Pour les modulations candidates, leurs champs aléatoires correspondants sont modélisés horsligne. La forme de constellation inconnue est ensuite classifiée par une règle ML basée sur la phase précédente de construction du modèle. L'algorithme est applicable à des modulations numériques de taille et de dimensionnalité arbitraires.