Classificação Automática de Modulação Digital com uso de Medida Teórica de Informação para Ambientes de Rádio Cognitivo
Classificação Automática de Modulação, Teoria da Informação, Canais AWGN.
Os modernos sistemas de comunicação sem fio empregam frequentemente técnicas adaptativas para proporcionar uma alta taxa de transmissão, enquanto assegura qualidade de serviço (QoS) e abrangêcia de cobertura. Estudos recentes têm mostrado que esses sistemas podem se tornar ainda mais eficientes com a incorporação de técnicas de inteligência artificial e de conceitos de rádio definido por software. Os sistemas que seguem essa linha, conhecidos como Sistemas de Rádio Coginitivo, podem idealmente explorar oportunisticamente e dinamicamente porções do espectro de frequências não utilizadas, conhecidas como buracos espectrais, com o objetivo de prover altas taxas de transmissão de dados com elevada confiabilidade e disponibilidade de serviço. A Classificação Automática de Modulação (AMC) seria uma habilidade muito útil nesses sistemas. Normalmente, as técnicas de AMC utilizam alguma forma de pré-processamento do sinal, que pode introduzir um alto custo computacional ou necessitar de suposições fortes, e até mesmo incorretas, sobre o sinal recebido. Este trabalho propõe o uso direto de uma medida de similaridade baseada na Teoria da Informação, conhecida como coeficiente de correntropia, que é capaz de extrair informações estatísticas de ordem elevada do sinal, para o reconhecimento automático de modulações digitais. Experimentos realizados por meio de simulação computacional demonstram que a técnica proposta nesse trabalho apresenta uma alta taxa de sucesso na classificação de modulações binárias, mesmo na presença de ruído aditivo Gaussiano branco (AWGN).