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

Abstract

Resumo-Com o aumento da demanda por espectro de frequência, foi necessário buscar maneiras mais eficientes de alocar usuários no espectro. O rádio cognitivo sensoreia o espectro e aloca dinamicamente usuários em espaços inutilizados. As técnicas de classificação automática de modulação vieram para fornecer informações que auxiliam no sensoriamento do espectro. Neste trabalho, foram extraídas características de sinais modulados em banda passante em diferentes SNR (do inglês signal noise ratio). O classificador utilizado foi uma rede perceptron com Regularização Bayesiana (RB) e algoritmo de retropropagação de Levenberg-Marquardt (LM). Para o método proposto, obteve-se acurácias que variam de 74, 8 % a 95, 5 %.

Classificação Automática de Modulações DP m-PSK e DP m-QAM em Receptores Ópticos Coerentes Flexíveis

“…Nas redes OTN, as técnicas de AI e ML são empregadas nos transponderes ópticos para a caracterização de amplitude e ruído de fase [13], no controle dos amplificadores ópticos [13], na identificação da degradação dos sinais devido aos efeitos lineares de CD e PMD [13], no monitoramento da relação sinal ruído óptica [13], na mitigação dos efeitos não lineares nos receptores [14], [15] e na estimativa da qualidade de transmissão óptica [13]. Além disso, o AI e ML são utilizados nas redes OTN para a classificação automática de modulações [16]- [21], possibilitando o ajuste dinâmico, de tais redes, à qualidade do meio de transmissão, sem a interferência humana, por meio da seleção de taxas de transmissão adequadas ou transmissões em única ou multiportadoras. Desta forma, este trabalho tem por objetivo apresentar um método para classificação automática de modulações em receptores ópticos coerentes flexíveis, utilizando-se para tal, diferentes algoritmos de aprendizado de máquina [22].…”