Wyszukiwanie zaawansowane ?

Obiekt

Comparative Analysis of Classifiers for Higher-order Statistics-based Modulation Recognition in Cooperative STBC-OFDM, Journal of Telecommunications and Information Technology, 2026, nr 1
Pobierz

Tytuł: Comparative Analysis of Classifiers for Higher-order Statistics-based Modulation Recognition in Cooperative STBC-OFDM, Journal of Telecommunications and Information Technology, 2026, nr 1

Autor:

Dehri, Brahim ; Moulay, Hakima ; Daikh, Ahmed Amine ; Besseghier, Mokhtar

Data wydania:

2026, nr 1

Typ zasobu:

artykuł

Tytuł publikacji grupowej:

2026, nr 1, JTIT-artykuły

Opis:

kwartalnik

Abstrakt:

Precise classification of modulation in cooperative relaying networks remains challenging in the presence of carrier frequency offset (CFO) and imperfect channel state information (CSI). This paper conducts a comprehensive comparative analysis of automatic modulation classification (AMC) methods for distributed space-time block-coded orthogonal frequency division multiplexing (DSTBC-OFDM) systems under these impairments. A unified simulation framework is developed that combines pilot-assisted CFO and CSI estimation with higher-order statistics (HOS)-based feature extraction. Four widely used machine learning classifiers, i.e. feedforward neural network, support vector machine, random forest classifier, and adaptive boosting, are benchmarked under identical channel and noise conditions. Monte Carlo simulations are performed across varying SNR levels and fading scenarios, enabling a fair assessment of classification accuracy, robustness to residual estimation errors, and relative computational complexity. The results provide practical insights into the strengths and limitations of each classifier in cooperative STBC-OFDM environments, offering valuable guidelines for selecting AMC techniques in future cooperative wireless systems.

Numer:

1

Wydawca:

National Institute of Telecommunications

Identyfikator zasobu:

oai:bc.itl.waw.pl:2425

DOI:

10.26636/jtit.2026.1.2299

eISSN:

1899-8852

Źródło:

Journal of Telecommunications and Information Technology

Język:

ang

Prawa:

Biblioteka Naukowa Instytutu Łączności

Licencja:

CC BY 4.0

Temat i słowa kluczowe:

automatic modulation classification CFO estimation CSI DSTBC-OFDM higher-order statistics machine learning

Kolekcje, do których przypisany jest obiekt:

Data ostatniej modyfikacji:

1 kwi 2026

Data dodania obiektu:

1 kwi 2026

Liczba wyświetleń treści obiektu:

2

Wszystkie dostępne wersje tego obiektu:

https://bc.itl.waw.pl/publication/2746

Wyświetl opis w formacie RDF:

RDF

Wyświetl opis w formacie OAI-PMH:

OAI-PMH

Nazwa wydania Data
Dehri, Brahim; Moulay, Hakima; Daikh, Ahmed Amine; Besseghier, Mokhtar, Comparative Analysis of Classifiers for Higher-order Statistics-based Modulation Recognition in Cooperative STBC-OFDM, Journal of Telecommunications and Information Technology, 2026, nr 1 1 kwi 2026

Obiekty Podobne

2024, nr 3, JTIT-artykuły
2024, nr 3, JTIT-artykuły
A Generalized Learning Approach to Deep Neural Networks, Journal of Telecommunications and Information Technology, 2024, nr 3

Ponti, Francesca Frezza, Fabrizio Simeoni, Patrizio Parisi, Raffaele

2024, nr 3
artykuł
QoS-based Joint User Selection and Scheduling for MU-MIMO WLANs, Journal of Telecommunications and Information Technology, 2017, nr 4

Hency, Victor Dhason Berlin Rao, Dasari Srinivasa

2017, nr 4
artykuł
2025, nr 3, JTIT-artykuły
2025, nr 3, JTIT-artykuły
A Comprehensive Study on Path Loss Estimation Using Deep Hybrid Learning in 5G Networks, Journal of Telecommunications and Information Technology, 2025, nr 3

Yeaser, Kazi Md Abrar Hassan, Kazi Md Abir

2025, nr 3
artykuł
Contextual probability, Journal of Telecommunications and Information Technology, 2003, nr 3

Wang, Hui

2003, nr 3
artykuł
Manipulation of compressed data using MPEG-7 low level audio descriptors, Journal of Telecommunications and Information Technology, 2003, nr 2

Harders, Nick Perrow, Shane Stirling, David Lukasiak, Jason

2003, nr 2
artykuł
Detection of Monocrystalline Silicon Wafer Defects Using Deep Transfer Learning, Journal of Telecommunications and Information Technology, 2022, nr 1

Fauzi, Ahmad Hadinata Iskandar, D. N. F. Awang Ganum, Adriana Chin, Lim Phei

2022, nr 1
artykuł
Network Traffic Classification in an NFV Environment using Supervised ML Algorithms, Journal of Telecommunications and Information Technology, 2021, nr 3

Latkoski, Pero Ilievski, Gjorgji

2021, nr 3
artykuł
2024, nr 3, JTIT-artykuły
2024, nr 3, JTIT-artykuły
A Deep Learning-based Approach for Channel Estimation in Multi-access Multi-antenna Systems, Journal of Telecommunications and Information Technology, 2024, nr 3

Qasaymeh, Mahmoud M. Alqatawneh, Ali Khodeir, Mahmoud A. Aljaafreh, Ahmad F.

2024, nr 3
artykuł
Więcej
×

Cytowanie

Styl cytowania:

Dane kontaktowe

Adres

Instytut Łączności – Państwowy Instytut Badawczy ul. Szachowa 1 04-894 Warszawa

Telefon

(+48) 5128 696

E-Mail

biblioteka@il-pib.pl

Odwiedź nas!

Ta strona wykorzystuje pliki 'cookies'. Więcej informacji