Classificação Automática de Modulações Mono e Multiportadoras utilizando Método de Extração de Características e Classificadores SVM

Abstract

Resumo-Na literatura, encontra-se evidências de que a política de atribuição fixa do espectro cria o problema da subutilização do recurso sendo uma desvantagem devido a crescente demanda da sociedade moderna. Nesse sentido, pesquisadores vêm explorando soluções para acesso dinâmico do espectro condensadas em sistemas de comunicações inteligentes que devem realizar continuamente a tarefa de sensoriamento do espectro. Nesse contexto, a identificação de parâmetros dos usuários é uma etapa crítica. Por exemplo, um dos parâmetros mais importantes, para usuários primários, é o tipo de modulação. Especificamente neste artigo, explora-se uma técnica de classificação automática de modulações analógicas, digitais, por espalhamento espectral e multiportadoras, ou seja, a classificação é feita para modulações monoportadora (AM, FM, BPSK, QPSK, 16QAM, 64QAM, GMSK e WCDMA) e multiportadora (OFDM). Adicionalmente, tem-se inserção de formatação de pulso, canal ruidoso e amostragem em banda passante. Neste trabalho, utilizase método por extração de características e considera-se um ampla variedade de características com um total de 29. Para o classificador multiclasse, utiliza-se o SVM e decomposição binária por matrizes de código. Os procedimentos experimentais foram realizados considerando-se uma base de dados com 3600 sinais modulados. Os resultados experimentais indicam que a proposta é promissora e atinge boas taxas de reconhecimento comparados a [1] e [2], com resultados relevantes na literatura.

Classificação Automática de Modulações utilizando Redes Neurais Artificiais com regularização Bayesiana e algoritmo de retropropagação de Levenberg-Marquardt

“…As contribuições científicas desta pesquisa são descritas conforme a seguir: primeiramente, utiliza-se um sistema similar ao proposto por [1], para AMC, o qual utiliza sinais corrompidos por ruído modelados por canais AWGN e Rayleigh e modulados em banda base, amostragem em banda passante e formatação de pulso. A contribuição específica proposta neste artigo concentra-se em explorar uma ANN que emprega o algoritmo de retropropagação de LM simultaneamente com a RB que, quando combinados, reduzem o MSE além de evitar o sobreajuste [10].…”

“…Adicionalmente, a quantidade de sinais utilizados para os experimentos foi consideravelmente ampliada. De fato, neste artigo utiliza-se 47100 sinais modulados para cada modulação em contrapartida aos 400 sinais modulados para cada modulação utilizados em [1]. Foi realizada uma avaliação da ANN com variação do número de camadas ocultas, similar ao estudo realizado por [13].…”

“…Com popularização dos dispositivos e serviços de comunicação remota a demanda por espectro de frequência vem aumentando drasticamente, porém, esse recurso natural é finito e sua política de distribuição tornou-se ineficiente [1]. Parte desta ineficiência é causada pela política de distribuição sugerida pela UIT (União Internacional de Telecomunicações) [1]. Entretanto, esta subutilização de espectro é sanada com a utilização do rádio cognitivo [2].…”

“…O método de extração das informações dos sinais modulados é uma etapa crítica para a AMC, porque impactará diretamente no desempenho do classificador e consequentemente na boa operação do rádio cognitivo. Dentre os métodos mais comuns na literatura encontra-se os baseados em extração de características (FB, do inglês feature-based) [1] [3], verossimilhança (LB, do inglês likelihood-based) [4] e matriz de constelações de grade (CGM, do inglês grid constellation matrix) [5] [6]. Para esse trabalho foi proposto a extração de 29 características, tais como: características espectrais, por transformada, estatísticas, de teste de distribuição e cicloestacionárias.…”

“…Dentre os métodos de classificação mais utilizados na literatura atualmente estão as redes neurais artificiais (ANN, do inglês antificial neural network) [7], redes neurais convolucionais (CNN, do inglês convolutional neural network) [8] [9] e SVM (do inglês support vector machine) [1]. O método de classificação proposto neste trabalho é uma ANN com RB e algoritmo de retropropagação (do inglês backpropagation) de LM.…”