Perpustakaan Digital ITB
Dalam sistem komunikasi modern, penerima nirkabel dengan kemampuan
klasifikasi modulasi otomatis memiliki potensi aplikasi yang sangat luas. Dengan
menggabungkannya dengan machine learning (ML), performa klasifikasi otomatis
dapat ditingkatkan. Untuk mengimplementasikan kedua konsep tersebut,
diperlukan suatu wadah yang fleksibel, disinilah peran Software defined Radio
(SDR). Sifat ML yang terus meningkatkan performa klasifikasi melalui proses
training akan sangat menguntungkan dengan penggunaan SDR. Pada proyek ini
diimplementasikan gabungan ketiga konsep tersebut untuk sistem SDR ADALMPLUTO. Untuk sistem yang dikembangkan, jenis modulasi hanya terbatas untuk
BPSK, QPSK, 8-PSK, 16-QAM, dan 8-PAM. Untuk melakukan klasifikasi
diperlukan fitur yang dapat membedakan satu modulasi dan lainnya, sehingga
dipilih 6 fitur berbasis spektral, statistik orde tinggi, dan transformasi wavelet.
Untuk memitigasi pengaruh pergeseran fasa dan frekuensi akibat kanal transmisi,
ekstraksi fitur dilakukan setelah tahap sinkronisasi. Prototipe penerima ini
dilengkapi kemampuan sinkronisasi modulasi QAM, sehingga dapat disebut
penerima QAM. Dengan model klasifikasi yang dihasilkan algoritma Support
Vector Machine (SVM), dihasilkan prototipe penerima QAM dengan akurasi
klasifikasi 91.4%. Model klasifikasi direalisasikan dengan menggunakan SDR
ADALM-PLUTO.