Projeto de classificadores para sistema de reconhecimento automático de modulações

Valadão, Myke Douglas de Medeiros; http://lattes.cnpq.br/0978757876868990

Dissertação

Projeto de classificadores para sistema de reconhecimento automático de modulações

A subutilização do espectro de frequência é uma problema recorrente atualmente e, com o aumento da demanda de usuários que utilizam sistemas de comunicação remota, foi necessário buscar uma maneira mais eficiente de alocar usuários no espectro, surgindo assim, as técnicas que aplicam o rádio cogniti...

ver descrição completa

Autor principal:	Valadão, Myke Douglas de Medeiros
Outros Autores:	http://lattes.cnpq.br/0978757876868990
Grau:	Dissertação
Idioma:	por
Publicado em:	Universidade Federal do Amazonas 2019
Assuntos:	Modulação (Eletrônica) - Classificação Redes de rádio cognitivo Redes neurais (Computação) ENGENHARIAS: ENGENHARIA ELÉTRICA Rádio cognitivo Classificação automática de modulações Redes neurais artificiais Floresta aleatória
Acesso em linha:	https://tede.ufam.edu.br/handle/tede/7569

id	oai:https:--tede.ufam.edu.br-handle-:tede-7569
recordtype	dspace
spelling	oai:https:--tede.ufam.edu.br-handle-:tede-75692019-12-18T05:04:21Z Projeto de classificadores para sistema de reconhecimento automático de modulações Valadão, Myke Douglas de Medeiros Silva Júnior, Waldir Sabino da http://lattes.cnpq.br/0978757876868990 http://lattes.cnpq.br/2925380715531711 Costa, André Luiz Aguiar da http://lattes.cnpq.br/7455660237808982 Carvalho, Celso Barbosa http://lattes.cnpq.br/8269546823033896 Modulação (Eletrônica) - Classificação Redes de rádio cognitivo Redes neurais (Computação) ENGENHARIAS: ENGENHARIA ELÉTRICA Rádio cognitivo Classificação automática de modulações Redes neurais artificiais Floresta aleatória A subutilização do espectro de frequência é uma problema recorrente atualmente e, com o aumento da demanda de usuários que utilizam sistemas de comunicação remota, foi necessário buscar uma maneira mais eficiente de alocar usuários no espectro, surgindo assim, as técnicas que aplicam o rádio cognitivo. O rádio cognitivo, detecta buracos espectrais e aloca de maneira dinâmica usuários nestes espaços inutilizados. Com isso em vista, as técnicas de classificação automática de modulação vieram para fornecer informações a priori que auxiliam no sensoriamento do espectro. Nesta dissertação propõe-se, para classificar sinais modulados, utilizar uma gama de classificadores multiclasse supervisionados baseados em aprendizado de máquina e aprendizado profundo, com seus parâmetros pré-estabelecidos. Dentre os classificadores englobados em aprendizado de máquina, abordamos algoritmos baseados em árvore de decisão e algoritmo de classificação probabilística, Naive Bayes. Dentro do aprendizado profundo, aplicou-se redes neurais artificiais através de uma rede perceptron multicamada totalmente conectada com retropropagação utilizando algoritmo de Levenberg-Marquardt para atualização dos pesos da rede. Foram obtidos taxas de acurácia de 95,2866% e 93,1253% nos classificadores baseados em árvore de decisão, 87,4% na rede neural e 74,7845% no Naive Bayes. Na literatura foi encontrado um trabalho com base de dados semelhante qualitativamente a utilizada nesta dissertação e sua acurácia foi de 89,72%, enquanto a melhor acurácia apresentada nesta dissertação foi de 95,2866%. Underutilization of the frequency spectrum is a recurring problem today, and with the increasing demand of users using remote communication systems, it was necessary to search for a more efficient way to allocate users in the spectrum, appearing thus, the techniques that apply cognitive radio. Cognitive radio detects spectral holes and dynamically allocates users in these unused spaces. With this in view, automatic modulation classification techniques have come to provide a priori information that aid in spectrum sensing. In this dissertation it is proposed to classify modulated signals using a range of supervised multiclass classifiers based on machine learning and deep learning, with its pre-established parameters. Among the classifiers encompassed in machine learning, we approach algorithms based on decision tree and probabilistic classification algorithm, Naive Bayes. Within deep learning, artificial neural networks were applied through a multilayer perceptron network fully connected with backpropagation using Levenberg-Marquardt algorithm to update the network weights. Accuracy rates of 95.2866% and 93.1253% were obtained in the decision tree-based classifiers, 87.4% in the neural network, and 74.7845% in the Naive Bayes In the literature, we found a study with a similar database qualitatively to that used in this dissertation and its accuracy was 89.72%, while the best accuracy presented in this dissertation was 95.2866%. CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior 2019-12-17T19:13:43Z 2019-09-11 Dissertação VALADÃO, Myke Douglas de Medeiros. Projeto de classificadores para sistema de reconhecimento automático de modulações. 2019. 76 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal do Amazonas, Manaus, 2019. https://tede.ufam.edu.br/handle/tede/7569 por Acesso Aberto http://creativecommons.org/licenses/by-nc-nd/4.0/ application/pdf Universidade Federal do Amazonas Faculdade de Tecnologia Brasil UFAM Programa de Pós-graduação em Engenharia Elétrica
institution	TEDE - Universidade Federal do Amazonas
collection	TEDE-UFAM
language	por
topic	Modulação (Eletrônica) - Classificação Redes de rádio cognitivo Redes neurais (Computação) ENGENHARIAS: ENGENHARIA ELÉTRICA Rádio cognitivo Classificação automática de modulações Redes neurais artificiais Floresta aleatória
spellingShingle	Modulação (Eletrônica) - Classificação Redes de rádio cognitivo Redes neurais (Computação) ENGENHARIAS: ENGENHARIA ELÉTRICA Rádio cognitivo Classificação automática de modulações Redes neurais artificiais Floresta aleatória Valadão, Myke Douglas de Medeiros Projeto de classificadores para sistema de reconhecimento automático de modulações
topic_facet	Modulação (Eletrônica) - Classificação Redes de rádio cognitivo Redes neurais (Computação) ENGENHARIAS: ENGENHARIA ELÉTRICA Rádio cognitivo Classificação automática de modulações Redes neurais artificiais Floresta aleatória
description	A subutilização do espectro de frequência é uma problema recorrente atualmente e, com o aumento da demanda de usuários que utilizam sistemas de comunicação remota, foi necessário buscar uma maneira mais eficiente de alocar usuários no espectro, surgindo assim, as técnicas que aplicam o rádio cognitivo. O rádio cognitivo, detecta buracos espectrais e aloca de maneira dinâmica usuários nestes espaços inutilizados. Com isso em vista, as técnicas de classificação automática de modulação vieram para fornecer informações a priori que auxiliam no sensoriamento do espectro. Nesta dissertação propõe-se, para classificar sinais modulados, utilizar uma gama de classificadores multiclasse supervisionados baseados em aprendizado de máquina e aprendizado profundo, com seus parâmetros pré-estabelecidos. Dentre os classificadores englobados em aprendizado de máquina, abordamos algoritmos baseados em árvore de decisão e algoritmo de classificação probabilística, Naive Bayes. Dentro do aprendizado profundo, aplicou-se redes neurais artificiais através de uma rede perceptron multicamada totalmente conectada com retropropagação utilizando algoritmo de Levenberg-Marquardt para atualização dos pesos da rede. Foram obtidos taxas de acurácia de 95,2866% e 93,1253% nos classificadores baseados em árvore de decisão, 87,4% na rede neural e 74,7845% no Naive Bayes. Na literatura foi encontrado um trabalho com base de dados semelhante qualitativamente a utilizada nesta dissertação e sua acurácia foi de 89,72%, enquanto a melhor acurácia apresentada nesta dissertação foi de 95,2866%.
author_additional	Silva Júnior, Waldir Sabino da
author_additionalStr	Silva Júnior, Waldir Sabino da
format	Dissertação
author	Valadão, Myke Douglas de Medeiros
author2	http://lattes.cnpq.br/0978757876868990
author2Str	http://lattes.cnpq.br/0978757876868990
title	Projeto de classificadores para sistema de reconhecimento automático de modulações
title_short	Projeto de classificadores para sistema de reconhecimento automático de modulações
title_full	Projeto de classificadores para sistema de reconhecimento automático de modulações
title_fullStr	Projeto de classificadores para sistema de reconhecimento automático de modulações
title_full_unstemmed	Projeto de classificadores para sistema de reconhecimento automático de modulações
title_sort	projeto de classificadores para sistema de reconhecimento automático de modulações
publisher	Universidade Federal do Amazonas
publishDate	2019
url	https://tede.ufam.edu.br/handle/tede/7569
_version_	1831969831838023680
score	11.753735

Projeto de classificadores para sistema de reconhecimento automático de modulações

Registros relacionados