[论文解读] Multiuser Modulation Classification Based on Cumulants in AWGN Channel

Masoud Zaerin, Babak Seyfe+1 more|ArXiv.org|Aug 14, 2009

Wireless Signal Modulation Classification参考文献 21被引用 8

一句话总结

本文提出一种基于高阶累积量的多用户调制分类（MUMC）方法，用于在加性白高斯噪声（AWGN）信道中对共信道多用户调制进行分类，尤其在存在干扰的情况下。该方法提出了一种子载波单用户调制分类（SUMC）方法以处理主导信号，并利用累积量的叠加特性，即使在功率不平衡和同步误差条件下也能稳健地对多种调制进行分类，通过理论分析和仿真结果验证了在不同信噪比（SNR）和定时偏移条件下的高精度性能。

ABSTRACT

In this paper the negative impacts of interference transmitters on automatic modulation classification (AMC) have been discussed. We proposed two approaches for AMC in the presence of interference: single user modulation classification (SUMC) and multiuser modulation classification (MUMC). When the received power of one transmitter is larger than the other transmitters, SUMC approach recognizes the modulation type of that transmitter and other transmitters are treated as interferences. Alternatively when the received powers of all transmitters are close to each other we propose MUMC method to recognize the modulation type of all of the transmitted signals. The features being used to recognize the modulation types of transmitters for both approaches, SUMC and MUMC are higher order cumulants. The super-position property of cumulants for independent random variables is utilized for SUMC and MUMC. We investigated the robustness of our classifier with respect to different powers of the received signals via analytical and simulation results and we have shown the analytical results will be confirmed by simulations. Also we studied the effect of signal synchroni-zation error via simulation results in the both condition for MUMC and SUMC.

研究动机与目标

• 解决多用户环境中多个发射机干扰导致调制分类精度下降的自动调制分类（AMC）挑战。
• 开发一种鲁棒的AMC框架，即使发射机接收功率不相等，也能区分调制类型。
• 研究信号同步误差对单用户和多用户场景下调制分类性能的影响。
• 通过理论推导和蒙特卡洛仿真，在真实信道条件下验证所提方法。
• 利用独立随机变量累积量的叠加特性，实现高精度的多用户信号分类。

提出的方法

• 使用高阶累积量作为调制分类的特征，利用其在独立信号存在下的统计特性。
• 应用累积量的叠加特性，将独立调制信号之和建模为各信号累积量贡献的组合。
• 为强信号开发一种单用户调制分类（SUMC）方法，将弱信号视为干扰。
• 提出一种多用户调制分类（MUMC）方法，适用于各信号功率相近的场景，实现对所有发射机的联合分类。
• 通过理论推导，建模不同信噪比（SNR）下基于累积量的分类器性能。
• 通过大量仿真验证理论模型，包括定时偏移对分类精度的影响。

实验结果

研究问题

• RQ1 多个发射机的干扰在AWGN信道中如何影响自动调制分类（AMC）的性能？
• RQ2 在功率不平衡条件下，高阶累积量在分类多个共信道调制时的适用程度如何？
• RQ3 信号同步误差对基于累积量的调制分类在SUMC和MUMC场景下的准确性有何影响？
• RQ4 基于累积量的分类性能理论模型能否通过仿真得到准确验证？
• RQ5 在不同SNR和定时偏移条件下，SUMC与MUMC方法之间的性能权衡如何？

主要发现

• 所提出的基于累积量的分类器即使在最强信号功率远高于其他信号时，仍能保持高分类精度，证实了SUMC方法的鲁棒性。
• MUMC方法成功对功率相近的多种调制进行分类，利用累积量的叠加特性分离出各独立信号的特征。
• 基于累积量的分类器性能的理论预测结果与仿真结果在多种SNR值下高度吻合，验证了理论模型的准确性。
• 信号同步误差会降低分类性能，但所提方法表现出较强鲁棒性，尤其在MUMC配置且功率平衡时表现更优。
• 该方法在低SNR和高SNR条件下均能实现可靠的调制分类，且在MUMC设置下，定时偏移导致的性能损失极小。
• 使用高阶累积量可有效区分不同调制类型，即使在共信道干扰和功率不平衡条件下亦能实现良好性能。