Resumen

El entorno inalámbrico plantea un desafío significativo para la propagación de las señales. Diferentes efectos como la dispersión multipath, el ruido, la degradación, la distorsión, la atenuación y el desvanecimiento afectan adversamente la distribución de las señales. Las técnicas de aprendizaje profundo pueden ser utilizadas para diferenciar entre diferentes señales moduladas para una detección confiable en un sistema de comunicación. Este estudio tiene como objetivo distinguir imágenes de la enfermedad COVID-19 que han sido moduladas por diferentes esquemas de modulación digital y luego pasadas por diferentes canales de ruido y clasificadas utilizando modelos de aprendizaje profundo. Se propuso una evaluación integral de diferentes arquitecturas de Redes Neuronales Convolucionales (CNN) 2D para la tarea de clasificación multiclase (24 clases) de imágenes moduladas en presencia de ruido y desvanecimiento. Se utiliza para diferenciar entre imágenes moduladas a través de modulación de fase de desplazamiento binario, modulación

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Entorno inalámbrico; Señales; Técnicas de aprendizaje profundo; Esquemas de modulación; Canales de ruido; Red neuronal convolucional
• Keywords:Wireless environment; Signals; Deep learning techniques; Modulation schemes; Noise channels; Convolutional neural network