Classificação automática de modulações mono e multiportadoras utilizando método de extração de características e classificadores SVM

Content Provider	Semantic Scholar
Author	Amoêdo, D. Melo, Wheidima C. Cordeiro, Lucas C. Filho, Eddie Batista De Lima Junior, Waldir S. S. Carvalho, Celso B.
Copyright Year	2017
Abstract	O Radio Cognitivo e uma nova tecnologia que busca resolver o problema de subutilizacao do espectro de radiofrequencias, por meio do sensoriamento do espectro, cujo objetivo e detectar os buracos espectrais. A classi cacao automatica de modulacao desempenha um papel importante neste cenario, pois, provem informa- cao sobre os usuarios primarios de modo a auxiliar nas tarefas de sensoriamento do espectro. Nesta dissertacao, propomos uma metodologia para a classi cacao multiclasse e hierarquica de sinais modulados utilizando SVM, com um conjunto de parâmetros pre-de nidos. Na literatura, outros trabalhos tratam da classi cacao automatica de modulacao tanto com SVM como com outros tipos de classi cadores, porem, poucos fazem uma analise detalhada do projeto dos classi cadores. O SVM e conhecido por sua alta capacidade de discriminacao, todavia, seu desempenho e bastante sensivel aos parâmetros usados na geracao dos classi cadores. Com a utilizacao de um conjunto pre-de nido de parâmetros, buscamos analisar o comportamento do classi cador de forma ampla e investigar a in uencia das mudancas de parâmetros na constituicao de classi cadores. Alem disso, utiliza-se as tecnicas de decomposicao multiclasse um-contra-todos, um-contra-um, codigos de saida corretores de erros e hierarquica. Por m, foram utilizados nove tipos de modulacoes (AM, FM, BPSK, QPSK, 16QAM, 64QAM, GMSK, OFDM e WCDMA). Tanto os tipos de modulacao quanto as tecnicas de decomposicao abrangem quase a totalidade de tecnicas de decomposicao e de classes de modulacao presentes na literatura.
File Format	PDF HTM / HTML
DOI	10.14209/sbrt.2017.203
Alternate Webpage(s)	http://www.sbrt.org.br/sbrt2017/anais/1570361589.pdf
Alternate Webpage(s)	https://doi.org/10.14209/sbrt.2017.203
Language	English
Access Restriction	Open
Content Type	Text
Resource Type	Article