Exportar este item: EndNote BibTex

Use este identificador para citar ou linkar para este item: https://tede.ufam.edu.br/handle/tede/6176
Tipo do documento: Dissertação
Título: Classificação automática de modulações mono e multiportadoras utilizando método de extração de características e classificadores SVM
Autor: Amoedo, Diego Alves 
Primeiro orientador: Silva Junior, Waldir Sabino da
Primeiro coorientador: Lima Filho, Eddie Batista de
Resumo: 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.
Palavras-chave: Cognitive Radio
Automatic Modulatoin Classification
Kfold Cross Validation
Parameter Selection
Error-correcting output codes
Rádio Cognitivo
Modulação Analógicas
Classificação Automática de Modulação
Área(s) do CNPq: ENGENHARIAS: ENGENHARIA ELÉTRICA
Idioma: por
País: Brasil
Instituição: Universidade Federal do Amazonas
Sigla da instituição: UFAM
Departamento: Faculdade de Tecnologia
Programa: Programa de Pós-graduação em Engenharia Elétrica
Citação: 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.
Tipo de acesso: Acesso Aberto
Endereço da licença: http://creativecommons.org/licenses/by-nc-nd/4.0/
URI: http://tede.ufam.edu.br/handle/tede/6176
Data de defesa: 19-Jul-2017
Aparece nas coleções:Mestrado em Engenharia Elétrica

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Dissertação_Diego A. Amoedo.pdf21,09 MBAdobe PDFThumbnail

Baixar/Abrir Pré-Visualizar


Este item está licenciada sob uma Licença Creative Commons Creative Commons