Demodulação M-QAM empregando técnicas de Aprendizado de Máquina

Página do item simplificado
dc.contributor.advisorAkamine, Cristiano
dc.contributor.advisor-co1Silva, Leandro Augusto da
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/1396385111251741 / https://orcid.org/0000-0002-8671-3102por
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/0394598624993168 / https://orcid.org/0000-0002-3161-4668por
dc.contributor.authorToledo, Roberto Neves
dc.creator.Latteshttp://lattes.cnpq.br/6519617116139637 / https://orcid.org/0000-0003-2038-4120por
dc.date.accessioned2021-12-18T21:44:19Z
dc.date.available2021-12-18T21:44:19Z
dc.date.issued2020-08-17
dc.description.abstractEste 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.por
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superiorpor
dc.description.sponsorshipFundo Mackenzie de Pesquisapor
dc.formatapplication/pdf*
dc.identifier.citationTOLEDO, Roberto Neves. Demodulação M-QAM empregando técnicas de Aprendizado de Máquina. 2020. 74 f. Dissertação (Engenharia Elétrica) - Universidade Presbiteriana Mackenzie, São Paulo, 2020por
dc.identifier.urihttps://dspace.mackenzie.br/handle/10899/28600
dc.keywordsdemodulationeng
dc.keywordsLLReng
dc.keywordsmachine learningeng
dc.keywordsM-QAMeng
dc.languageporpor
dc.publisherUniversidade Presbiteriana Mackenziepor
dc.rightsAcesso Abertopor
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectaprendizado de máquinapor
dc.subjectdemodulaçãopor
dc.subjectLLR, M-QAMpor
dc.subject.cnpqCNPQ::ENGENHARIASpor
dc.titleDemodulação M-QAM empregando técnicas de Aprendizado de Máquinapor
dc.typeDissertaçãopor
local.contributor.board1Menezes, Mario Olimpio de
local.contributor.board1Latteshttp://lattes.cnpq.br/4882949829423994 / https://orcid.org/0000-0003-0263-3541por
local.contributor.board2Lima, Eduardo Rodrigues de
local.contributor.board2Latteshttp://lattes.cnpq.br/1801783933113600por
local.publisher.countryBrasilpor
local.publisher.departmentEscola de Engenharia Mackenzie (EE)por
local.publisher.initialsUPMpor
local.publisher.programEngenharia Elétricapor
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
ROBERTO NEVES TOLEDO -protegido.pdf
Tamanho:
2.92 MB
Formato:
Adobe Portable Document Format
Descrição:
Roberto Neves Toledo
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
2.06 KB
Formato:
Plain Text
Descrição:
Baixar
Coleções
Engenharia Elétrica e Computação - Dissertações - EE Higienópolis