Classificação automática de modulações utilizando deep learning

Goes, João Vicente Silva

Please use this identifier to cite or link to this item: http://riu.ufam.edu.br/handle/prefix/5977

Full metadata record

DC Field	Value	Language
dc.contributor.advisor1	Silva Júnior, Waldir Sabino	-
dc.contributor.advisor1Lattes	http://lattes.cnpq.br/2925380715531711	pt_BR
dc.contributor.referee1	Januario, Francisco de Assis Pereira	-
dc.contributor.referee1Lattes	http://lattes.cnpq.br/5322203207556538	pt_BR
dc.contributor.referee2	Bezerra, Thiago Brito	-
dc.contributor.referee2Lattes	http://lattes.cnpq.br/6915300464157124	pt_BR
dc.creator	Goes, João Vicente Silva	-
dc.creator.Lattes	http://lattes.cnpq.br/5412159367148569	pt_BR
dc.date.accessioned	2021-11-18T20:59:58Z	-
dc.date.available	2021-11-12	-
dc.date.available	2021-11-18T20:59:58Z	-
dc.identifier.uri	http://riu.ufam.edu.br/handle/prefix/5977	-
dc.description.abstract	In this work, the generation of a deep learning model capable of predicting about six types of modulation signals was proposed. 8PSK, B-FM, BPSK, DSB-AM, AFSK and DPSK modulations were chosen. To obtain these signals, a system composed of a RTL-SDR to capture real signals and a code in Matlab to generate synthetic signals was used. The signals were generated in complex components, which were processed in order to generate signals in the time domain and thus extract relevant characteristics to the model. The mel-cepstral, pitch and spectral centroid coefficients are used to measure the shape of signals. The architecture used is composed of convolution neural networks, these divided into max-pooling and dropout layers. The result obtained for the model was an accuracy of 98% for the validation set. The precision was 98% to 8PSK, 62% to AFSK, 97% to B-FM, 100% to BPSK, 100% to DSB-AM	pt_BR
dc.description.resumo	Neste trabalho foi proposto a geração de um modelo de aprendizado profundo capaz de predizer sobre seis tipos de sinais de modulação. Foram escolhidas as modulações 8PSK, B-FM, BPSK, DSB-AM, AFSK e DPSK. Para obter esses sinais foi utilizado um sistema composto de um RTL-SDR para capturar sinais reais e de um código em Matlab para gerar sinais sintéticos. Os sinais foram gerados em componentes complexas, essas que foram processadas de forma a gerar sinais no domínio do tempo e dessa forma extrair características relevantes ao modelo. E utilizado os coeficientes mel-cepstrais, pitch e centróide espectral para mensurar o formato dos sinais. A arquitetura utilizada é composta de redes neurais de convolução, estas divididas em camadas de max-pooling e dropout. O resultado obtido para o modelo foi uma acurácia de 98% para o conjunto de validação. A precisão ficou de 98% para 8PSK, 62% para AFSK, 97% para B-FM, 100% para BPSK, 100% para DPSK e 100% para DSB-AM.	pt_BR
dc.language	por	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.department	FT - Faculdade de Tecnologia	pt_BR
dc.relation.references	[1] S. Haykin and M. Moher, Introdu¸c˜ao aos sistemas de comunica¸c˜ao. BOOKMAN COMPANHIA ED. [2] R. E. Ziemer and W. H. Tranter, Principles of Communications, 7th ed. Wiley Publishing, 2014. [3] Z. Zhu and A. K. Nandi, Automatic Modulation Classification: Principles, Algorithms and Applications, 1st ed. Wiley Publishing, 2015. [4] M. Gurucharan, “Basic cnn architecture: Explaining 5 layers of convolutional neural network,” upgrad, 2020. [5] A. L. Garcia Reis, A. F. Barros, K. Gusso Lenzi, L. G. Pedroso Meloni, and S. E. Barbin, “Introduction to the software-defined radio approach,” IEEE Latin America Transactions, vol. 10, no. 1, pp. 1156–1161, 2012. [6] S. Faruque, Radio Frequency Modulation Made Easy by Saleh Faruque., 1st ed., ser. SpringerBriefs in Electrical and Computer Engineering. Cham: Springer International Publishing : Imprint: Springer, 2017. [7] Wikipedia contributors, “Phase-shift keying — Wikipedia, the free encyclopedia,” 2021, [Online; accessed 25-September-2021]. [Online]. Available: https://en. wikipedia.org/w/index.php?title=Phase-shift keying&oldid=1020618672 [8] J. C. M. M. Rubem Vasconcelos Pacelli, Antonio Macilio Pereira de Lucena, “Alldigital afsk modem with viterbi detection for ttc cubesat transceiver,” XXXVIII SIMPOSIO BRASILEIRO DE TELECOMUNICAC¸ ´ OES E PROCESSAMENTO DE ˜ SINAIS, 2020. [9] A. L. Garcia Reis, A. F. Barros, K. Gusso Lenzi, L. G. Pedroso Meloni, and S. E. Barbin, “Introduction to the software-defined radio approach,” IEEE Latin America Transactions, vol. 10, no. 1, pp. 1156–1161, 2012. [10] D. blog, “Baseband signal upconversion and iq modulation and demodulation,” DSP Illustrations, 2019. [11] “Passive band pass filter,” Electronic Tutorials, 2021. [12] K. Rao and A. Vuppala, MFCC features. Springer International, 2014.	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.rights.uri	An error occurred getting the license - uri.	*
dc.subject	Classificação Automática de Modulações	pt_BR
dc.subject	Aprendizado Profundo	pt_BR
dc.subject	Modulação	pt_BR
dc.subject	Redes de Convolução	pt_BR
dc.subject.cnpq	CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO	pt_BR
dc.title	Classificação automática de modulações utilizando deep learning	pt_BR
dc.title.alternative	Automatic Modulation Classification Using Deep Learning	pt_BR
dc.type	Trabalho de Conclusão de Curso	pt_BR
dc.creator.affiliation	Universidade Federal do Amazonas	pt_BR
dc.date.event	2021-11-03	-
dc.publisher.localpub	Manaus - AM	pt_BR
dc.subject.controlado	Automatic Modulation Classification	pt_BR
dc.subject.controlado	Deep Learning	pt_BR
dc.subject.controlado	Sinais de modulação	pt_BR
dc.subject.controlado	Convolutions Networks	pt_BR
dc.contributor.advisor1orcid	https://orcid.org/0000-0003-3095-0042	pt_BR
dc.contributor.advisor1orcid	https://orcid.org/0000-0003-3095-0042	pt_BR
dc.creator.affiliation-init	UFAM	pt_BR
dc.publisher.course	Engenharia da Computação - Bacharelado - Manaus	pt_BR
Appears in Collections:	Trabalho de Conclusão de Curso - Graduação - Engenharias

Files in This Item:

File	Description	Size	Format
TCC_JoãoGoes.pdf	Engenharia da Computação - Bacharelado - Manaus	2,27 MB	Adobe PDF	View/Open

Show simple item record Recommend this item