Evaluar de forma cuantitativa el potencial de las técnicas de Inteligencia Artificial en la identificación del tipo de modulación en una comunicación inalámbrica
El presente trabajo muestra el potencial que tienen los algoritmos de inteligencia artificial dentro de la clasificación de modulaciones de señales inalámbricas, desde un enfoque del área de Deep Learning. El proceso de entrenamiento se centra en alimentar a una red con un conjunto de datos de entra...
Uloženo v:
| Hlavní autor: | |
|---|---|
| Další autoři: | |
| Médium: | bachelorThesis |
| Vydáno: |
2024
|
| Témata: | |
| On-line přístup: | https://repositorio.espe.edu.ec/handle/21000/40692 |
| Tagy: |
Přidat tag
Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!
|
Přidat tag | Shrnutí: | El presente trabajo muestra el potencial que tienen los algoritmos de inteligencia artificial dentro de la clasificación de modulaciones de señales inalámbricas, desde un enfoque del área de Deep Learning. El proceso de entrenamiento se centra en alimentar a una red con un conjunto de datos de entrada perteneciente a distintas señales moduladas junto a sus etiquetas, para capturar sus características más importantes para su posterior clasificación. De esta forma se evalúa la capacidad de distintos modelos de redes neuronales para discernir y aprender patrones complejos correspondientes a cada modulación. Por tanto, se ha llevado una evaluación de los distintos modelos de redes neuronales para aprender y distinguir entre patrones complejos de las señales, creando un sistema de clasificación preciso y fiable para entornos en donde las señales inalámbricas presenten ruido e interferencias. Se han estudiado distintos trabajos relacionados para obtener un panorama más completo del tema de clasificación de modulaciones, y reconocer los parámetros más influyentes para mejorar la precisión del entrenamiento de la red. Se ha escogido la base de datos MoDANet, que tiene 450120 piezas de datos que incluyen 12 modulaciones tanto digitales como analógicas, a la cual se la aplica una parte de preprocesamiento para poder ser entregada a los distintos algoritmos de redes neuronales. A partir de los tres algoritmos más reconocidos en el aprendizaje profundo, las Redes Neuronales Profundas, las Redes Neuronales Recurrentes y las Redes Neuronales Convolucionales, se han desarrollado y perfeccionado las capas de los modelos para obtener los mejores resultados según exactitud en la clasificación. |
|---|