Clasificación automática de señales para comunicaciones inalámbricas basada en técnicas de inteligencia artificial
Loading...
Date
2025-09-24
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad de Cuenca
Abstract
This work addresses the identification of digital modulation schemes under realistic chan- nel conditions—multipath fading, additive white Gaussian noise (AWGN), and carrier phase offset—across six formats: BPSK, QPSK, 16-QAM, cross-32-QAM, 64-QAM, and cross-128- QAM; a complementary analysis with 256-QAM is also included to assess performance under higher constellation orders. To capture channel variability, scenarios with different signal-to- noise ratio (SNR) levels, numbers of propagation paths, and phase-offset values were gene- rated using the TorchSig toolkit; the resulting baseband in-phase/quadrature (I–Q) signals fed three neural-network architectures trained and evaluated in supervised classification tasks. Finally, a voting-based ensemble that combines the top k models from each network is pro- posed, yielding consistent gains in correct classification probability (PCC) across all evaluated scenarios.
Resumen
Este trabajo aborda la identificación de esquemas de modulación en señales digitales bajo condiciones de canal realistas —desvanecimiento por trayectos múltiples, ruido aditivo blanco gaussiano (AWGN) y desfase de portadora— considerando seis esquemas: BPSK, QPSK, 16- QAM, 32-QAM cruzada, 64-QAM y 128-QAM cruzada; además, se incluye un análisis comple- mentario con 256-QAM para evaluar el desempeño del sistema ante modulaciones de mayor densidad. Para representar la variabilidad del entorno, se generaron escenarios con distintos niveles de relación señal-ruido (SNR), número de trayectos y valores de desfase utilizando el toolkit TorchSig; las señales en banda base se procesaron en formato en fase y cuadra- tura (I–Q) y se usaron como entrada de tres arquitecturas de redes neuronales entrenadas y evaluadas en tareas supervisadas. Finalmente, se propone un esquema de ensamble por votación que combina los k mejores modelos de cada red, logrando incrementos consistentes en la probabilidad de clasificación correcta (PCC) en todos los escenarios evaluados.
Keywords
Ingeniería en Telecomunicaciones, Modulación digital, Desvanecimiento multitrayecto, Ruido aditivo blanco gaussiano
Citation
Código de tesis
TET; 172
Código de tesis
Grado Académico
Ingeniero en Telecomunicaciones