Classificação automática de modulação baseada em aprendizagem discriminativa

A principal finalidade dos algoritmos para classificação automáica de modulacão em um receptor inteligente para rádio cognitivo ou aplicacões militares é a identificacão da modulacão de um sinal para que o receptor possa, posteriormente, realizar o processo de de modulacão e em seguida o processamento da informacão recebida. A falta de conhecimento acerca de parâmetros como, por exemplo: potência do sinal, frequência e fase da portadora, sincronismo temporal e outros; somados aos efeitos dos canais como desvanecimento de multipercurso, tornam o problema de classificação automática de modulacão desafiador e bastante investigado atualmente. Neste contexto, esta Tese apresenta uma investigação sobre algoritmos de classificação automática de modulacão baseados na aprendizagem discriminativa e avalia o desempenho dos mesmos em distintos cenários de uso. A Tese apresenta uma nova proposta de classificação baseada no extrator de parâmetro (front end) chamado de HISTO. A classificação é realizada sobre os síımbolos recebidos, onde os histogramas de magnitude e fase são calculados. Os resultados obtidos usam o extrator de parâmetro proposto e o algo- ritmo Máquina de Vetores de Suporte (MVS), os quais são comparados com outras técnicas. Na literatura, alguns dos algoritmos propostos são avaliados assumindo-se o conhecimento de parâmetros da modulacão e em cenários distintos, dificultando a comparação entre os algoritmos. Nesta Tese, algoritmos representativos do estado da arte são comparados com os propostos de maneira sistemática e uniforme, incluindo-se cenários não-ideais como os com phase jitter e offset de frequência. Os resultados das simulações mostram que proposta de classificação baseada em histogramas é eficiente com relativo baixo custo computacional.