Demodulação M-QAM empregando técnicas de Aprendizado de Máquina
Tipo
Dissertação
Data de publicação
2020-08-17
Periódico
Citações (Scopus)
Autores
Toledo, Roberto Neves
Orientador
Akamine, Cristiano
Título da Revista
ISSN da Revista
Título de Volume
Membros da banca
Menezes, Mario Olimpio de
Lima, Eduardo Rodrigues de
Lima, Eduardo Rodrigues de
Programa
Engenharia Elétrica
Resumo
Este trabalho apresenta os desafios enfrentados na demodulação de sinais M-QAM (Quadrature Amplitude Modulation) de alta ordem, uniformes e não uniformes, com o método de LLR (Log-Likelihood Ratio), que é um dos mais utilizadas nos sistemas de comunicação modernos. São abordados os principais conceitos téoricos como modulação, demodulação, aprendizado de máquina e rádio cognitivo. Resultados comparativos são apresentados para diversos algoritmos de aprendizado de máquina, atuando como classificação e regressão, até a definição pelo modelo final que é compatível com os padrões atuais. Então, é proposto um novo modelo de demodulação do sinal M-QAM, avaliando sua resposta para diferentes ordens de modulação e valores de SNR (Signal-to-Noise Ratio), quando concatenado a um codificador de canal LDPC (Low-density Parity-Check). Os resultados experimentais demonstram um ganho de desempenho de até 1485% para 4096-QAM em comparação com o demodulador clássico LLR Max-Log-MAP, mantendo o mesmo patamar de BER (Bit Error Rate). Finalmente, esse novo esquema demodulador foi implementado no ambiente do GRC (GNU Radio Companion) para validar as simulações computacionais.
Descrição
Palavras-chave
aprendizado de máquina , demodulação , LLR, M-QAM
Assuntos Scopus
Citação
TOLEDO, Roberto Neves. Demodulação M-QAM empregando técnicas de Aprendizado de Máquina. 2020. 74 f. Dissertação (Engenharia Elétrica) - Universidade Presbiteriana Mackenzie, São Paulo, 2020