Desempenho da demodulação digital em um canal AWGN utilizando redes neurais artificiais

Abstract

O processo de utilização das redes neurais artificiais vem sendo bastante empregada como ferramenta de soluções para problemas complexos, como a aplicação na etapa de demodulação de digital de sinais, conseguindo recuperar a informação enviada no canal de comunicação. Com o intuito de analisar esse processo, é comumente encontrado abordagens metodológicas nos quais é analisado o desempenho de redes neurais no processo de demodulação digital. Dada essa circunstância, neste trabalho é apresentado uma análise da aplicação da rede neural do tipo perceptron de múltiplas camadas (MLP) com distintos algoritmos de treinamento no processo de demodulação digital em arquivos textos. Dessa forma, foram definidas cinco estratégias de análises com variação no número de camadas escondidas, de neurônios e de épocas, classificando o desempenho de cada rede neural. Com o resultado dessas análises, o algoritmo de treinamento Bayesian Regularization obteve 99,5% na taxa de acertos de símbolos com duas camadas escondidas, 60 neurônios e 6000 épocas, alçando resultados satisfatórios e efetivando a estratégia utilizada neste trabalho.