Одновимірна згорткова модель нейронної мережі для оброблення сигналів з амплітудною модуляцією багатьох складових

Abstract

Оброблення радіосигналів з допомогою штучних нейронних мереж (ШНМ) має великий потенціал досліджень, який можна обґрунтувати адаптивністю ШНМ до різних умов передавання та здатністю виявляти абстрактні закономірності зміни параметрів сигналів. У статті проведено огляд робіт інших авторів, присвячених різним способам використання ШНМ для оброблення радіосигналів. Беручи до уваги відомості в оглянутих роботах, було сформовано завдання дослідження, яке полягає в розробленні оптимізованої моделі ШНМ для оброблення радіосигналів. Для формування навчальних вибірок для ШНМ було обрано сигнали з амплітудною модуляцією багатьох складових (АМБС). Вибір обґрунтовано більшою енергетичною ефективністю в порівнянні з іншими широко використовуваними цифровими видами модуляції, такими як квадратурна амплітудна модуляція. Описано математичні основи формування сигналів з АМБС. Наведено співвідношення для знаходження координат сигнального сузір’я 8-АМБС з трьома складовими, формування сигналів у часовій площині на основі знайдених координат, їх дискретизації та додавання білого шуму. Запропоновано ітеративний алгоритм формування начальних даних для ШНМ на основі описаних співвідношень. Розглянуто загальну структуру одновимірних згорткових нейронних мереж. Наведено співвідношення для функцій окремих нейронів, зв’язків між ними, формування шарів та проведення операції згортки. На основі попередньо наведених співвідношень сформовано сумарне відображення мережі. Обрано конкретні розмірності та функції активації для шарів. Використання згорткових шарів обґгрунтовано інваріантністю щодо зсуву. На основі наведених співвідношень, обраних функцій активації та розмірностей сформовано нейронну модель. Описано процес валідації ефективності сформованої нейронної моделі, який полягає у порівнянні імовірностей символьної помилки запропонованої та еталонної моделей при різних співвідношеннях сигнал-щум. Наведено результати валідації. Пояснено переваги отриманої моделі над раніше запропонованою суто рекурентною моделлю та еталонним приймачем АМБС.

The processing of radio signals using artificial neural networks (ANNs) has great potential for research, which can be explained by the adaptability of ANNs to various transmission conditions and the ability to detect abstract patterns of changes in signal parameters. The article reviews the works of other authors devoted to different ways of using ANNs for processing radio signals. Taking into account the information in the reviewed works, the research task was formed, which consists in developing an optimized ANN model for radio signal processing. Signals with amplitude modulation of many components (AMMC) were chosen to form training samples for ANN. The choice of modulation type is justified by greater energy efficiency compared to other widely used digital modulation types, such as quadrature amplitude modulation. Mathematic basis of AMMC signal generation is described. The process of finding the coordinates of three component 8-AMMC signal constellation is explained, the formation of signals in the time plane based on the found coordinates is explained as well as their discretization and the addition of white noise. An iterative algorithm for generating initial data for ANN based on the described ratios is proposed. The general structure of one-dimensional convolutional neural network is considered. Functions of individual neurons, connections between them, the formation of layers and the convolution operation are described mathematically. On the basis of the previously given ratios, a final display of the network was formed. Specific dimensions and activation functions for layers are selected. The use of convolutional layers is justified by time invariance. Based on the reviewed mathematical models, selected activation functions and dimensions, a neural model was formed. The process of validating the effectiveness of the formed neural model is described, which is based on comparing the symbolic error probabilities of the proposed and reference models at different signal-to-noise ratios. The validation results are presented. The advantages of the obtained model over the previously proposed purely recurrent model and the AMMC reference receiver are explained.