MIMO Sistemler İçin Sinyal Tanıma Algoritmaları

Abstract

Bilinmeyen haberleşme sinyallerinin gözü kapalı ve işbirliksiz şekilde tanınması için geliştirilen sinyal tanıma teknikleri günümüzde askeri ve sivil uygulamalarda sıklıkla kullanılmaktadır. Bu tekniklerle alıcıdaki bilinmeyen veya kısmen bilinen bir sinyalin modülasyon tipi, bant genişliği, taşıyıcı frekansı, kullanılan çoklu erişim ve frekans yayma metodları gibi kendine özgü iletim parametreleri işbirliksiz ve gözü kapalı şekilde tespit edilebilmektedir. Kablosuz sayısal iletişim sistemlerinin giderek yaygınlaşması ve kullanıcıların her geçen gün artan yüksek veri hızı ve servis kalitesi talepleri, kablosuz sayısal haberleşme sistemleri için daha fazla kapasite vaadeden yeni haberleşme tekniklerinin geliştirilmesi doğrultusunda yapılan çalışmaları hızlandırmış, yenilikçi kablosuz haberleşme tekniklerinin hızla çoğalıp çeşitlenmesinin önünü açmıştır. Sinyal tanıma algoritmalarının bu çeşitlilikle baş edebilmeleri için zaman içinde geliştirilen her yeni iletim tekniğini içerecek şekilde durmadan genişletilmeleri ve modifiye edilmeri elzemdir. Verici ve alıcıda birden çok antenin kullanılmasıyla yüksek veri hızları ve kapasite artışı sağlayan Çok Girişli Çok Çıkışlı (Multiple-Input Multiple-Output, MIMO) sistemleri yukarıda bahsedilen son on yıl içinde ortaya çıkmış yeni haberleşme tekniklerinden belki de en çok umut vaadedeni olarak görülebilir. MIMO sistemler, Tek Girişli Tek Çıkışlı (Single-Input Single-Output, SISO) sistemlere göre daha karmaşık yapıda olduğundan, verici anten sayısı ve uzay-zaman kodları (Space-Time Codes, STC) gibi SISO sistemlerde geçerli olmayan ancak tanınması gereken yeni iletim parametrelerini de beraberinde getirmiştir. Ayrıca SISO sistemler için geliştirilen modülasyon tipi tanıma algoritmalarının, alıcı antenlerdeki kendine-girişim sebebiyle MIMO sistemlerde kullanılması mümkün değildir. Bu tezde MIMO sistemler için yenilikçi sinyal tanıma algortimalarının geliştirilmesi üzerinde çalışılmıştır. Bu bağlamda iki temel sinyal tanıma algoritması önerilmiştir. Bunların ilki, kodlanmış sinyal vektörlerinin döngüsel-durağan karakteristiklerinin farklı uzay-zaman blok kodlarını (Space-Time Block Codes, STBC) birbirinden ayırt etmek amacıyla kullanıldığı ortakça anten sayısı-uzay-zaman blok kodu sınıflandırma algoritmasıdır. İkincisi ise anten sayısı tespiti ile modülasyon tipi tanıma problemlerinin birlikte ele alındığı minimum tarif uzunluğu (Minimum Description Length, MDL) bazlı yenilikçi bir ortakça anten sayısı- modülasyon tipi sınıflandırma algoritmasıdır. MIMO sistemlerde sinyal tanıma konusunda literatürdeki diğer çalışmaların aksine, önerilen algoritmalar anten sayısı tespiti, modülasyon tipi tanıma ve uzay-zaman blok kodu tanıma problemlerini ayrı ayrı değil de ikili olarak ortakça ele almaktadır. Bununla birlikte, önerilen ortakça anten sayısı-uzay-zaman blok kodu sınıflandırma algoritması, literatürdeki diğer yöntemlerin aksine, kod uzunlukları birbirine eşit uzay-zaman blok kodlarını da birbirinden ayırt edebilmekte, 2'den fazla verici anten için tasarlanan uzay-zaman blok kodlarının da tanınmasında kullanılabilmektedir. Önerilen ortakça modülasyon tipi ve anten sayısı tespiti algoritması ise çok az ön bilgi ile yüksek bir performans sergilemektedir.

Signal identification methods developed for recognizing and identifying unknown communication signals in a blind and non-cooperative manner are currently used in military and civilian applications frequently. The main task of signal identification systems is to blindly and non-cooperatively determine the transmission parameters specific to an unknown or partially known communication signal, such as the modulation type, bandwidth, carrier frequency, employed multiple access and the frequency spreading methods etc. The widespread use of digital wireless communication systems and the user demands for increasing data rates and service quality have lead to a surge in the development of new wireless transmission techniques, and paved the way for an increasing diversity in the transmission methods used in wireless communications. The existing signal identification systems need to be constantly extended and updated to include these newly emerging communication techniques, in order to be able to handle this diversity. Multiple-Input-Multiple Output (MIMO) systems, which offer an increased data rate and robustness by using multiple antennas at the transmitter and the receiver is one of the most promising of the above mentioned new communication methodologies, which have emerged in the last decade. The MIMO systems present new parameters to the signal identification systems, which need to be identified, such as the number of transmit antennas and the employed space time block code, which do not exist in conventional single antenna systems. Furthermore, existing modulation type identification algorithms desgined for single antenna systems cannot be aplied to the MIMO systems, due to the presence of self interference at each receive antenna. The aim of this thesis is to develop novel signal identification techniques for MIMO signals. In this context, two novel signal identification algorithms have been proposed. The first one is a joint antenna number and space time block code classification algorithm, which exploits the joint wide-sense cyclostationary characteristics of the space-time block coded transmit signals for discriminating between different codes. The second one is a joint modulation type and antenna number classification algorithm based on the minimum description length (MDL) criterion. In contrast to the existing literature, in which the unknown signal parameters are extracted separately, both of the proposed algorithms handle the classification problem in a joint manner. The proposed joint space-time block code and antenna number classification algorithm is capable of discriminating amongst a much larger number of space-time block codes than the methods existing in the literature, whereas the proposed MDL based joint modulation type and antenna number classification algorithm offers a high classification performance, while requiring very little a-priori information.