PREPOZNAVANJE KARAKTERISTIKA MODULACIJE PRIMENOM TEHNIKA DUBOKOG UČENJA

Apstrakt

U ovom radu analiziraju se performanse dva modela mašinskog učenja u prepoznavanju modulacionih šema: konvoluciona (CNN) i LSTM neuronska mreža. Koristeći sintetički skup podataka RadioML2016.10a, modeli su obučavani i testirani na 11 različitih tipova modulacija u opsegu SNR od -20 dB do +20 dB. Rezultati pokazuju da oba modela ostvaruju visoku tačnost, s tim da LSTM mreža pokazuje blagu prednost u performansama prilikom klasifikacije modulacija pri višim SNR vrednostima. Ova analiza doprinosi razvoju naprednih tehnika prepoznavanja modulacije koje mogu poboljšati efikasnost kognitivnog radija u složenim spektralnim okruženjima.