Arquiteturas Eficientes para Sensoriamento Espectral e Classificação Automática de Modulações Baseadas em Medidas de Cicloestacionariedade
Cicloestacionariedade, Sensoriamento Espectral, Classificação Automática de Modulação, Perfil-Alfa Reduzido, Rádio Cognitivo
Técnicas que exploram as características cicloestacionárias dos sinais de rádio têm sido largamente investigadas nos últimos anos para aplicações em sensoriamento espectral, sobretudo em ambientes de comunicação com baixa relação sinal-ruído, ou com ruído não-estacionário. Entretanto, as assinaturas cicloestacionárias de sinais modulados também têm sido investigadas, em trabalhos recentes, como medidas de classificação de formatos de modulações. Em particular, uma assinatura cicloestacionária denominada perfil-alfa, obtida como uma projeção da função de Densidade de Correlação Espectral (SCD - Spectral Correlation Density), tem se mostrado promissora na classificação automática de modulações (AMC). Neste trabalho, propomos o uso do perfil-alfa reduzido, obtido por uma aproximação do perfil-alfa de sinais modulados, como medida para uma estratégia de classificação de modulações por correlação. Adicionalmente, utilizamos uma Rede Neural Artificial do tipo Multilayer Perceptron para avaliar a qualidade do classificador. O desempenho da técnica de classificação baseada em perfil-alfa reduzido e correlação foi avaliado por simulação computacional em um ambiente de comunicação caracterizado pelo ruído aditivo gaussiano branco (AWGN). Os resultados numéricos de desempenho obtidos neste trabalho demonstram a eficiência da técnica proposta.