Please use this identifier to cite or link to this item: https://repositorio.ufpa.br/jspui/handle/2011/7751
metadata.dc.type: Tese
Issue Date: 19-Jun-2015
metadata.dc.creator: CARVALHO JUNIOR, Claudomir Cardoso de
metadata.dc.contributor.advisor1: KLAUTAU JÚNIOR, Aldebaro Barreto da Rocha
Title: Classificação automática de modulação baseada em aprendizagem discriminativa
metadata.dc.description.sponsorship: 
Citation: CARVALHO JUNIOR, Claudomir Cardoso de. Classificação automática de modulação baseada em aprendizagem discriminativa. 2015. 93 f. Orientador: Aldebaro Barreto da Rocha Klautau Júnior. Tese (Doutorado em Engenharia Elétrica) - Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2015. Disponível em: http://repositorio.ufpa.br/jspui/handle/2011/7751. Acesso em:.
metadata.dc.description.resumo: 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.
Abstract: The main purpose of the algorithms for automatic modulation classification in an in- telligent receiver for cognitive radio or military applications is to identify the modulation of a signal so that the receiver can subsequently carry out the process of demodulation and then processing the received information. The lack of knowledge of parameters such as, for exam- ple, signal power, frequency and phase of carrier and timing; added to the channel effects such as multipath fading, make the automatic modulation classification problem challenger and fairly investigated currently. In this context, this thesis presents an investigation of automatic modulation classification algorithms based on discriminative learning and evaluates their per- formance in different usage scenarios. The thesis presents a new classification proposal based on front end called HISTO. Classification is performed on the received symbols, where the magnitude and phase histogram’s are computed. The results obtained using the proposed front end and the Support Vector Machine algorithm (SVM) are compared with other tech- niques. In the literature, some of the proposed algorithms are evaluated assuming knowledge of some modulation parameters and using different scenarios, which makes difficult to compare the algorithms. In this thesis, algorithms representative of the prior art are compared with the proposed ones in a systematic and uniform manner, including non-ideal scenarios such as with phase jitter and frequency offset. The simulation results show that the proposed classification based on histograms is effective with a relatively low computational cost.
Keywords: Radio definido por software (RDS)
Modulação digital
Algoritmos
metadata.dc.subject.cnpq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::LINGUAGENS DE PROGRAMACAO
metadata.dc.publisher.country: Brasil
Publisher: Universidade Federal do Pará
metadata.dc.publisher.initials: UFPA
metadata.dc.publisher.department: Instituto de Tecnologia
metadata.dc.publisher.program: Programa de Pós-Graduação em Engenharia Elétrica
metadata.dc.rights: Acesso Aberto
Appears in Collections:Teses em Engenharia Elétrica (Doutorado) - PPGEE/ITEC

Files in This Item:
File Description SizeFormat 
Tese_ClassificacaoAutomaticaModulacao.pdf1,09 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons