Pengiktirafan Modulasi Automatik (AMR) atau dirujuk sebagai Klasifikasi Modulasi Automatik (AMC) adalah proses mengenal pasti jenis modulasi isyarat yang dipintas tidak diketahui secara automatik. Selama bertahun-tahun, banyak kajian telah dijalankan untuk mencari alternatif untuk memperbaiki klasifikasi ketepatan sistem AMR. Walau bagaimanapun, tidak ada penyelidikan tentang kesan yang berbeza atas keterlewatan ketik antara setiap pasangan sampel dan tempoh persampelan bagi ADTS. Oleh itu, projek ini akan mengkaji kesan yang berbeza atas keterlewatan ketik antara setiap pasangan sampel dan tempoh persampelan untuk ADTS juga meningkatkan peratusan ketepatan modulasi sistem menggunakan MATLAB dan kaedah DoE. Dalam projek ini, teknik persampelan tunda tak segerak (ADTS) dicadangkan sebagai teknik dalam pengelasan modulasi. Dari ADTS, plot tunda kelewatan tak segerak (ADTP) yang unik dan berbeza dihasilkan untuk setiap QPSK dan 16-QAM digital isyarat termodulat. Data-data ini kemudiannya dibina semula untuk menjadi kepada penyokong pengelas mesin vektor (SVM) yang terdapat dalam MATLAB. Kaedah reka bentuk eksperimen (DoE) digunakan untuk meningkatkan ketepatan sistem AMR itu. Melalui DoE, kaedah 22 reka bentuk faktorial digunakan. Keputusan klasifikasi menunjukkan bahawa ketepatan pengelas adalah 93.1% untuk saluran AWGN dan 91.5% untuk saluran Rician. Ketepatan bagi pengelas adalah 96.0% untuk AWGN dan 94.5% untuk Rician. Ini menunjukkan peningkatan dalam ketepatan sistem AMC dengan menggunakan kaedah DoE itu. Kesimpulannya, teknik yang dicadangkan dapat meningkatkan ketepatan sistem AMR itu.
_______________________________________________________________________________________________________
Automatic Modulation Recognition (AMR), sometimes referred to as the
Automatic Modulation Classification (AMC) is the process of automatically identifying
the modulation type of an unknown intercepted signal, Through many years, a lot of
studies had been conducted to look for the alternative for the improvement of
classification accuracy of the AMR system. However, there is no research about the effect
the varying the delay tap time between each sample pair and the sampling time for the
ADTS. Thus, this project will study the effect of varying the delay tap time between each
sample pair and the sampling time for ADTS also improve percentage of modulation
accuracy of system using MATLAB and DoE method. In this project, asynchronous delay
tap sampling (ADTS) is proposed as a technique in modulation classification. From the
ADTS, unique and distinct asynchronous delay tap plot (ADTP) is generated for each of
the QPSK and 16-QAM digital modulated signal. There are two types of channel involved
in this project, AWGN and Rician channel. These data are then reconstructed to become
the input of a built-in support vector machine (SVM) classifier in MATLAB. Design of
experiment (DoE) method is applied to improve the accuracy of the AMR system. In
DoE, 2 2 factorial design method is applied. The results of the classification showed that
the accuracy of the classifier is accuracy for this classifier is increase from 93.1% to
96.0% for AWGN and from 91.5% to 94.5% for Rician. There is an increase in accuracy
before DoE is applied. This shows an improvement in the accuracy of the AMR system
by using the DoE method. In conclusion, the proposed techniques are able to improve the
accuracy of the AMR system.
Design and development of robust automated modulation recognition / Siti Nur Izzati Ismail