Identificação de Sinais Interferentes em Rádios utilizando Técnicas de Aprendizado de Máquina
rádios FM, detecção de sinais interferentes, processamento de sinal de áudio, sensoriamento espectral, MFCC.
Este trabalho oferece uma visão abrangente do papel e da importância das rádios no contexto histórico e comercial brasileiro. Destaca-se a problemática das rádios ilegais, as quais prejudicam as estações legalizadas, diminuindo a qualidade da comunicação e interferindo na capacidade de alcançar mais ouvintes. Para lidar com esse desafio, propõe-se a utilização de métodos de aprendizado de máquina em conjunto com técnicas de extração de características dos sinais de áudio para identificar interferências geradas por outras rádios FM. Neste trabalho, os sinais de interferências não foram tratados apenas como ruído, sendo realizado uma diferenciação clara entre ruído AWGN e interferência de outras rádios. Para isso, foram exploradas técnicas de extração de características únicas, como métodos baseados em sensoriamento espectral devidamente adaptados, método MFCC, métodos estatísticos de primeira ordem e de ordem estendida. Além disso, foram exploradas as estratégias que utilizam redes do tipo \textit{Autoencoder} e as Redes Neurais Convolucionais para classificar os sinais de rádio que chegam aos receptores. Para esse estudo, foram exploradas soluções com sinais em banda base e banda passante, bem como situações com múltiplas fontes de sinais interferentes, para que os modelos propostos possam lidar com cenários desafiadores. Por fim, foram conduzidos testes de validação da capacidade dos métodos propostos em ambientes de simulação computacional e em ambientes reais, dos quais foram utilizados a \text{Universal Software Radio Peripheral} (USRP) para gerar sinais que se propagam pelo canal de comunicação.