Detalhes bibliográficos
Ano de defesa: |
2020 |
Autor(a) principal: |
Câmara, Tales Vinicius Rodrigues de Oliveira |
Orientador(a): |
Silveira, Luiz Felipe de Queiroz |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Tese
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Universidade Federal do Rio Grande do Norte
|
Programa de Pós-Graduação: |
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO
|
Departamento: |
Não Informado pela instituição
|
País: |
Brasil
|
Palavras-chave em Português: |
|
Link de acesso: |
https://repositorio.ufrn.br/handle/123456789/32476
|
Resumo: |
O rápido crescimento de aplicações de sistemas de comunicações sem-fio impulsiona a busca por novas estratégias de exploração eficiente do espectro, tal como o uso de rádios cognitivos: um sistema de comunicações inteligente, capaz de se adaptar autonomamente ao canal de comunicação por meio da reconfiguração dos seus parâmetros de operação. Uma importante propriedade dos rádios cognitivos é a capacidade de reconhecer automaticamente o tipo de modulação empregada em um sinal de radiofrequência (RF), o que possibilita a interoperabilidade entre sistemas, a melhoria da eficiência espectral, e viabiliza a vigilância eletrônica. Esse atributo é conhecido como classificação automática de modulações (AMC). Dentre as técnicas de AMC que caracterizam o estado-da-arte, estão as que se baseiam em detecção de padrões obtidos a partir da análise de características cicloestacionárias de segunda ordem. Embora muito difundidas, essas técnicas não são capazes de reconhecer alguns tipos modulações digitais, tais como a modulação de amplitude em quadratura m-ária (MQAM) e modulação por chaveamento de fase mária (MPSK) de alta ordem. Em contra partida, as técnicas de análise cicloestacionárias de ordem superior, usadas para extração de descritores singulares dessas modulações são adequadas apenas para ambientes de comunicação com ruído gaussiano branco aditivo (AWGN). Embora o modelo AWGN seja amplamente empregado para caracterizar canais de comunicação sem-fio, diversos cenários práticos são melhor representados por outros modelos. Um exemplo disso é a comunicação em alta frequência (HF), cujo ambiente apresenta contaminação por ruídos impulsivos. Nesse contexto, duas funções de análise cicloestacionária, a função de autocorrelação cíclica fracionária de ordem inferior (FLOCAF), e a função de correntropia cíclica (CCF), foram eficientemente aplicadas em ambientes impulsivos de comunicações. Contudo, elas foram empregadas para o sensoriamento de um canal impulsivo, um problema de menor complexidade em relação à classificação automática de modulações. Uma vez que na literatura não existe uma solução satisfatória para a classificação automática de modulações de alta ordem em canais com ruído impulsivo, neste trabalho são propostas arquiteturas de AMC baseadas na FLOCAF e na CCF, combinadas com técnicas de classificação por árvore de decisão e por regressão logística. As arquiteturas foram desenvolvidas para o reconhecimento das modulações digitais BPSK, QPSK, 8-QAM, 16-QAM, e 32-QAM, e avaliadas em diferentes contextos de contaminação por ruído aditivo impulsivo, descrito através de uma distribuição alfaestável. Os resultados mostraram que todas as arquiteturas foram capazes de operar em ambientes impulsivos, sendo as arquiteturas baseadas na CCF as mais eficientes. |