Resumen

La teoría de compresión sensorial se puede aplicar para reconstruir la señal con muchas menos mediciones de las que generalmente se consideran necesarias, mientras que en muchos escenarios, como la detección de espectro y el reconocimiento de modulación, solo esperamos adquirir características útiles en lugar de las señales originales, donde la selección de la característica con esparsidad se convierte en el principal desafío. Con el objetivo de reconocimiento de modulación digital, el artículo principalmente construye dos características que se pueden recuperar directamente a partir de muestras compresivas. Las dos características son el espectro de los datos recibidos y su transformación no lineal y la característica compositiva de múltiples momentos de alto orden de los datos recibidos; ambas tienen la esparsidad deseada requerida para la reconstrucción a partir de submuestras. En nuestro artículo se considera el reconocimiento de modulación de desplazamiento de frecuencia múltiple, modulación de fase múltiple y modulación de amplitud en cuadratura múltiple, y se implementan en un proced

• Materias:Algoritmo dinámico Redes Inalámbricas Redes de Comunicación Sistema de colas Teoría de juegos
• Subjects:Dynamic Algorithm Wireless Networks Communication networks Queuing systems Game theory
• Palabras claves:Detección compresiva; Reconstrucción de señales; Detección del espectro; Reconocimiento de la modulación; Dispersión; Modulación digital
• Keywords:Compressive sensing; Signal reconstruction; Spectrum detection; Modulation recognition; Sparsity; Digital modulation