Classificação Automática de Modulação Digital com uso de Medida Teórica de Informação para Ambientes de Rádio Cognitivo
Rádio Cognitivo, Classificação Automática de Modulação, Correntropia.
Os modernos sistemas de comunicação sem fio empregam, frequentemente, técnicas adaptativas para proporcionar uma alta taxa de transmissão, enquanto asseguram qualidade de serviço (QoS) e abrangência 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 Cognitivo, podem idealmente explorar de forma dinâmica e oportunística diferentes 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 para extração de características que pode introduzir um alto custo computacional ou necessitar de suposições ideais, e até mesmo superficiais, 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, para se conseguir o reconhecimento automático de modulações digitais sem a necessidade de uma fase intermediária de extração de características. Experimentos realizados por meio de simulação computacional demonstram que a técnica proposta neste trabalho apresenta uma alta taxa de sucesso na classificação de modulações digitais, mesmo na presença de ruído aditivo gaussiano branco (AWGN).