ClassificaÃÃo automÃtica de modulaÃÃo digital de sinais de comunicaÃÃes utilizando reconhecimento de padrÃes.
AUTOR(ES)
Horewicz, Marcelo CorrÃa
DATA DE PUBLICAÇÃO
2008
RESUMO
ClassificaÃÃo automÃtica de modulaÃÃo digital de sinais de comunicaÃÃes à um importante problema de processamento de sinais no campo das comunicaÃÃes. à um passo intermediÃrio entre a interceptaÃÃo do sinal e a recuperaÃÃo da informaÃÃo, no qual um classificador identifica automaticamente o tipo de modulaÃÃo do sinal recebido para posterior demodulaÃÃo e demais tarefas. A tÃcnica de reconhecimento de padrÃes pode ser utilizada neste problema de classificaÃÃo. Neste caso, na classificaÃÃo à necessÃria a seleÃÃo e extraÃÃo de caracterÃsticas relevantes do sinal recebido. Neste trabalho, foram utilizados trÃs tipos de caracterÃsticas relevantes: espectrais, estatÃsticas e uma combinaÃÃo dos dois tipos. Dois classificadores foram desenvolvidos nesta pesquisa: o primeiro, baseado em Redes Neurais Artificiais, utilizando o Perceptron Multicamadas (MLP); e o segundo, baseado em MÃquinas de Vetores de Suporte (SVM). Estes dois classificadores foram usados para classificar as seguintes modulaÃÃes digitais: Chaveadas em Amplitude (ASK2, ASK4), Chaveadas em FreqÃÃncia (FSK2, FSK4, FSK8), e Chaveadas em Fase (PSK2, PSK4, PSK8). Foi verificado, por meio de simulaÃÃes em MATLAB 7, que o classificador com a abordagem SVM, utilizando uma combinaÃÃo de caracterÃsticas relevantes espectrais e estatÃsticas, obteve excelente resultados nos testes.
ASSUNTO(S)
reconhecimento de padrÃes inteligÃncia artificial mÃquinas de vetores-suporte modulaÃÃo por pulso telecomunicaÃÃes processamento digital de sinais redes neurais perceptron multicamada classificaÃÃo de sinais
ACESSO AO ARTIGO
http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=1011Documentos Relacionados
- ClassificaÃÃo automÃtica de cardiopatias baseada em eletrocardiograma
- DetecÃÃo de ateromas com base em espectroscopia Raman utilizando ferramentas de seleÃÃo de variÃveis e classificaÃÃo de padrÃes.
- SegmentaÃÃo e classificaÃÃo de padrÃes visuais baseadas em campos receptivos e inibitÃrios
- Class-test: classificaÃÃo automÃtica de testes para auxÃio à criaÃÃo de suÃtes de teste
- ClassificaÃÃo de proteÃnas usando mÃquinas de aprendizagem e descoberta de padrÃes