Classificação de modulação utilizando cicloestacionariedades e árvores de decisão / Modulation classification using cyclostationary and decision trees
DOI:
https://doi.org/10.34117/bjdv7n3-708Keywords:
Classificação Automática de Modulação, Cicloestacionariedade, Árvores de Decisão, Rádio Inteligência Artificial Cognitivo.Abstract
Uma das principais características dos sistemas de rádio cognitivo é a capacidade de identificar a modulação utilizada no transmissor a partir do sinal recebido. Esse processo é denominado de classificação automática de modulação. Neste trabalho, propomos uma arquitetura de classificação automática de modulações que utiliza uma árvore de decisão binária, em conjunto com um extrator de características cicloestacionárias. Os resultados obtidos por simulação computacional indicam que a técnica proposta é eficiente em cenários com baixa relação sinal-ruído.
References
J. I. Mitola, Cognitive Radio. An integrated agent architecture for Software Defined Radio, Springer, 2002
Lima, Arquiteturas Eficientes para Sensoriamento Espectral e Classificação Automática de Modulação Usando Características Cicloestacionárias., Universidade Federal do Rio Grande do Norte – UFRN, Natal, RN, 2014.
W. Gardner, Cyclostationarity in communications and signal processing, STATISTICAL SIGNAL PROCESSING INC: YOUNTVILLE CA, 1994.
Farias, C.E.N. Melo e R.V Dias - Uma Abordagem a Métodos de Sensoriamento do Espectro Aplicados a Rádio Cognitivo - UNB, Brasilia, 2010.
Y. L. X. F. J. Wu, “A deep learning approach for modulation recognition via exploiting temporal correlations,” IEEE 19th International Workshop on Signal Processing Advances in Wireless Communications (SPAWC), pp. 1-5, 2018.
G. J. Mendis, J. Wei e A. Madanayake, “Deep learning-based automated modulation classification for cognitive radio,” IEEE International Conference on Conference on Communication Systems (ICCS), pp. 1-6, 2016.
Dai, H. Zhang e H. Sun, “Automatic modulation classification using stacked sparse auto-encoders,” IEEE 13th International Conference on Signal Processing (ICSP), pp. 248-252, 2016.
T. J. O’Shea, J. Corgan e T. C. Clancy, “Convolucinal radio modulation recognition networks,” Engineering Applications of Neural Networks, pp. 213-226, 2016.
E.L. Costa - Detectional and Identification of Cyclostationary Signals - Naval Postghraduate School, 1996.