Título:	Sistemas inteligentes para classificação de sinais: estudo e implementação de redes neurais convolucionais
Autor(es):	Oliveira, Everton Alvarinho de
Orientador(es):	Gomes, Remulo Manuel Caminha Costa, Arthur Pinheiro de Araújo
Palavras-chave:	Redes neurais convolucionais Relação sinal-ruído Classificação automática de sinais
Áreas de conhecimento da DGPM:	Guerra eletrônica
Setor(es) da Marinha:	Comando de Operações Navais (ComOpNav)
Data do documento:	2025
Editor:	Centro de Instrução Almirante Alexandrino (CIAA)
Descrição:	Classificação Automática de Modulação (AMC) é uma tarefa essencial em sistemas de comunicação não cooperativos, onde os métodos tradicionais enfrentam desafios em ambientes com ruído. Este trabalho aborda o problema por meio do aprendizado profundo, com o objetivo de desenvolver, implementar e avaliar um sistema de AMC baseado em uma Rede Neural Convolucional (CNN). A metodologia emprega o dataset de referência RadioML2016.10a, processando diretamente as amostras brutas em fase e quadratura (I/Q) com uma arquitetura de CNN modular. A análise de desempenho é focada na robustez do modelo sob diferentes níveis de Relação Sinal-Ruído (SNR). Os resultados demonstram que a performance do classificador é fortemente dependente do SNR, atingindo uma acurácia global de aproximadamente 80% em cenários de alto SNR (acima de +4 dB), mas com degradação severa em baixo SNR (abaixo de -8 dB). Foram identificados padrões de erro consistentes, como a dificuldade em distinguir modulações da família QAM e as analógicas (WBFM e AM-DSB). O estudo valida a CNN como uma abordagem viável para AMC e analisa seus limites práticos frente ao ruído.
Tipo de Acesso:	Acesso aberto
URI:	https://hdl.handle.net/20.500.14867/848144
Tipo:	Trabalho de fim de curso
Aparece nas coleções:	Operações Navais: Coleção de Trabalhos de Conclusão de Curso

Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.