Resumen

Reconocer las señales es fundamental para comprender el espacio del espectro inalámbrico cada vez más saturado en comunicaciones no cooperativas. Las soluciones tradicionales basadas en umbrales o reconocimiento de patrones son intensivas en mano de obra y propensas a errores. Por lo tanto, los profesionales comienzan a aplicar el aprendizaje profundo a la clasificación automática de modulación (AMC, por sus siglas en inglés). Sin embargo, la precisión y la robustez en el reconocimiento de las propuestas basadas en redes neuronales presentadas recientemente aún son insatisfactorias, especialmente cuando la relación señal-ruido (SNR) es baja. En este contexto, este documento presenta un modelo de red neuronal híbrida, llamado MCBL, que combina una red neuronal convolucional, memoria a corto y largo plazo bidireccional, y un mecanismo de atención para explotar su capacidad respectiva de extraer las características espaciales, temporales y relevantes incrustadas en las muestras de señal. Tras formular el problema de la AMC, se det

• 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:Señales; Espacio del espectro inalámbrico; Aprendizaje profundo; Clasificación automática de modulación; Modelo de red neuronal; Red neuronal convolucional
• Keywords:Signals; Wireless spectrum space; Deep learning; Automatic modulation classification; Neural network model; Convolutional neural network