Classificação automática de modulações mono e multiportadoras utilizando método de extração de características e classificadores SVM
Loading...
Date
Authors
Advisor(s)
Co-advisor(s)
Lima Filho, Eddie Batista de
Committee members
Graduate program
Journal Title
Journal ISSN
Volume Title
Publisher
Universidade Federal do Amazonas
Type
Access rights
DOI
Resumo (Portuguese)
O Rádio Cognitivo é uma nova tecnologia que busca resolver o problema de
subutilização do espectro de radiofrequências, por meio do sensoriamento do espectro,
cujo objetivo é detectar os buracos espectrais. A classi cação automática de
modulação desempenha um papel importante neste cenário, pois, provém informa-
ção sobre os usuários primários de modo a auxiliar nas tarefas de sensoriamento do
espectro. Nesta dissertação, propomos uma metodologia para a classi cação multiclasse
e hierárquica de sinais modulados utilizando SVM, com um conjunto de
parâmetros pré-de nidos. Na literatura, outros trabalhos tratam da classi cação
automática de modulação tanto com SVM como com outros tipos de classi cadores,
porém, poucos fazem uma análise detalhada do projeto dos classi cadores. O SVM
é conhecido por sua alta capacidade de discriminação, todavia, seu desempenho
é bastante sensível aos parâmetros usados na geração dos classi cadores. Com a
utilização de um conjunto pré-de nido de parâmetros, buscamos analisar o comportamento
do classi cador de forma ampla e investigar a in uência das mudanças de
parâmetros na constituição de classi cadores. Além disso, utiliza-se as técnicas de
decomposição multiclasse um-contra-todos, um-contra-um, códigos de saída corretores
de erros e hierárquica. Por m, foram utilizados nove tipos de modulações (AM,
FM, BPSK, QPSK, 16QAM, 64QAM, GMSK, OFDM e WCDMA). Tanto os tipos de modulação quanto as técnicas de decomposição abrangem quase a totalidade de
técnicas de decomposição e de classes de modulação presentes na literatura.
Abstract
Cognitive radio is a new technology that aims to solve the spectrumunderutilization
problem, through spectrum sensing, whose objective is to detect
the so called spectrum holes. Automatic modulation classi cation plays an important
role in this scenario, since it provides information about primary users, with
the goal of aiding in spectrum sensing tasks. In the present dissertation, we propose
a methodology for multiclass and hierarchical classi cation of modulated signal
using support vector machines (SVM), with a set of prede ned parameters. In literature,
other works deal with automatic modulation classi cation with SVM and
other classi ers, however, few of them take a deep look at classi er design. SVM is
known by its high discrimantion capacity, but its performance is very sensitive to
the parameters used during classi ers design. With the use of a prede ned set of parameters,
we seek to analyze the behavior of the classi er broadly and to investigate
the in uence of parameter changes on the constitution of classi ers. In addition,
we use one-versus-all and one-versus-one, error-correcting output codes and hierarchical
decomposition. Finally, nine types of modulations (AM, FM, BPSK, QPSK, 16QAM, 64QAM, GMSK, OFDM and WCDMA) are used. The types of modulation
as well as the decomposition techniques used cover almost all decomposition
techniques and modulation classes present in the literature.
Description
Keywords
Controlled term
Cognitive Radio; Automatic Modulatoin Classification; Kfold Cross Validation; Parameter Selection; Error-correcting output codes; Rádio Cognitivo; Modulação Analógicas; Classificação Automática de Modulação
Sustainable Development Goals (SDG)
Citation
AMOEDO, Diego Alves. Classificação automática de modulações mono e multiportadoras utilizando método de extração de características e classificadores SVM. 2017. 137 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal do Amazonas, Manaus, 2017.
Endorsement
Review
Supplemented By
Referenced By
Creative Commons license
Except where otherwise noted, this item's license is described as Acesso Aberto

