Reconocimiento automático de esquemas de modulación digital mediante redes neuronales convolucionales

En el presente trabajo se desarrolla un sistema de reconocimiento automático de modulación digital basado en redes neuronales convolucionales (CNN). El objetivo principal consiste en diseñar y entrenar un modelo capaz de identificar distintos esquemas de modulación bajo condiciones variables de ruid...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Cabezas, Felicitas, Romero Rodas, Agustina
Otros Autores: Horvath, Emiliano
Formato: acceptedVersion Tesis de grado
Lenguaje:Español
Publicado: Universidad Católica de Salta. Facultad de Ingeniería (Salta) 2025
Materias:
Trabajo final de grado
Telecomunicación
Red de telecomunicaciones
Redes neuronales artificiales
Acceso en línea:https://bibliotecas.ucasal.edu.ar/opac_css/index.php?lvl=cmspage&pageid=24&id_notice=81016
Aporte de:
Repositorio Digital - Universidad Católica de Salta (UCASal) de Universidad Católica de Salta
id I49-R155-81016
record_format dspace
spelling I49-R155-810162026-03-31T12:38:39Z https://bibliotecas.ucasal.edu.ar/opac_css/index.php?lvl=cmspage&pageid=24&id_notice=81016 81016 20260331u u u0frey0103 ba spa Reconocimiento automático de esquemas de modulación digital mediante redes neuronales convolucionales Universidad Católica de Salta. Facultad de Ingeniería (Salta) 2025-12-22 info:eu-repo/semantics/acceptedVersion info:eu-repo/semantics/bachelorThesis info:ar-repo/semantics/tesis de grado application/pdf 1001514 Salta (province) En el presente trabajo se desarrolla un sistema de reconocimiento automático de modulación digital basado en redes neuronales convolucionales (CNN). El objetivo principal consiste en diseñar y entrenar un modelo capaz de identificar distintos esquemas de modulación bajo condiciones variables de ruido, evaluando su desempeño a diferentes niveles de relación señal-ruido (SNR). Para ello, se empleó el conjunto de datos RML2016.10a, que contiene señales simuladas de modulaciones digitales y analógicas, distribuidas en un rango amplio de SNR. La metodología incluyó el preprocesamiento de las señales, la implementación de una arquitectura CNN y la aplicación de técnicas de regularización y validación cruzada para optimizar el rendimiento. Los resultados muestran que la red propuesta logra tasas de precisión competitivas, especialmente en escenarios de SNR moderados y altos, mientras que en condiciones de ruido extremo la clasificación se torna más desafiante. No obstante, el modelo mantiene una capacidad de generalización que permite abordar múltiples modulaciones en un único entrenamiento. Se concluye que las CNN constituyen una herramienta eficaz para la detección de modulación digital en sistemas de comunicaciones, ofreciendo una base sólida para futuras aplicaciones en radio cognitiva y sistemas adaptativos. This work presents the development of an automatic digital modulation recognition system based on convolutional neural networks (CNNs). The main objective is to design and train a model capable of identifying different modulation schemes under variable noise conditions, evaluating its performance at different signal-to-noise ratio (SNR) levels. For this purpose, the RML2016.10a dataset was employed, which contains simulated signals of both digital and analog modulations, distributed over a wide range of SNR values. The methodology included signal preprocessing, the implementation of a CNN architecture, and the application of regularization techniques and cross-validation to optimize performance. The results show that the proposed network achieves competitive accuracy rates, especially in scenarios with moderate and high SNR, while in extreme noise conditions the classification becomes more challenging. Nevertheless, the model maintains a generalization capability that allows addressing multiple modulations within a single training process. It is concluded that CNNs constitute an effective tool for digital modulation recognition in communication systems, providing a solid foundation for future applications in cognitive radio and adaptive systems. Fil: Horvath, Emiliano. Universidad Católica de Salta. Facultad de Ingeniería; Argentina. Fil: Romero Rodas, Agustina. Universidad Católica de Salta. Facultad de Ingeniería; Argentina. Fil: Cabezas, Felicitas. Universidad Católica de Salta. Facultad de Ingeniería; Argentina. Cabezas, Felicitas Romero Rodas, Agustina Horvath, Emiliano Trabajo final de grado Telecomunicación Red de telecomunicaciones Redes neuronales artificiales Creative Commons Atribución/Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) https://creativecommons.org/licenses/by-nc-sa/4.0/ info:eu-repo/semantics/openAccess Researchers Students
institution Universidad Católica de Salta
institution_str I-49
repository_str R-155
collection Repositorio Digital - Universidad Católica de Salta (UCASal)
language Español
orig_language_str_mv spa
topic Trabajo final de grado
Telecomunicación
Red de telecomunicaciones
Redes neuronales artificiales
spellingShingle Trabajo final de grado
Telecomunicación
Red de telecomunicaciones
Redes neuronales artificiales
Cabezas, Felicitas
Romero Rodas, Agustina
Reconocimiento automático de esquemas de modulación digital mediante redes neuronales convolucionales
topic_facet Trabajo final de grado
Telecomunicación
Red de telecomunicaciones
Redes neuronales artificiales
description En el presente trabajo se desarrolla un sistema de reconocimiento automático de modulación digital basado en redes neuronales convolucionales (CNN). El objetivo principal consiste en diseñar y entrenar un modelo capaz de identificar distintos esquemas de modulación bajo condiciones variables de ruido, evaluando su desempeño a diferentes niveles de relación señal-ruido (SNR). Para ello, se empleó el conjunto de datos RML2016.10a, que contiene señales simuladas de modulaciones digitales y analógicas, distribuidas en un rango amplio de SNR. La metodología incluyó el preprocesamiento de las señales, la implementación de una arquitectura CNN y la aplicación de técnicas de regularización y validación cruzada para optimizar el rendimiento. Los resultados muestran que la red propuesta logra tasas de precisión competitivas, especialmente en escenarios de SNR moderados y altos, mientras que en condiciones de ruido extremo la clasificación se torna más desafiante. No obstante, el modelo mantiene una capacidad de generalización que permite abordar múltiples modulaciones en un único entrenamiento. Se concluye que las CNN constituyen una herramienta eficaz para la detección de modulación digital en sistemas de comunicaciones, ofreciendo una base sólida para futuras aplicaciones en radio cognitiva y sistemas adaptativos. This work presents the development of an automatic digital modulation recognition system based on convolutional neural networks (CNNs). The main objective is to design and train a model capable of identifying different modulation schemes under variable noise conditions, evaluating its performance at different signal-to-noise ratio (SNR) levels. For this purpose, the RML2016.10a dataset was employed, which contains simulated signals of both digital and analog modulations, distributed over a wide range of SNR values. The methodology included signal preprocessing, the implementation of a CNN architecture, and the application of regularization techniques and cross-validation to optimize performance. The results show that the proposed network achieves competitive accuracy rates, especially in scenarios with moderate and high SNR, while in extreme noise conditions the classification becomes more challenging. Nevertheless, the model maintains a generalization capability that allows addressing multiple modulations within a single training process. It is concluded that CNNs constitute an effective tool for digital modulation recognition in communication systems, providing a solid foundation for future applications in cognitive radio and adaptive systems.
author2 Horvath, Emiliano
author_facet Horvath, Emiliano
Cabezas, Felicitas
Romero Rodas, Agustina
format acceptedVersion
Tesis de grado
Tesis de grado
author Cabezas, Felicitas
Romero Rodas, Agustina
author_sort Cabezas, Felicitas
title Reconocimiento automático de esquemas de modulación digital mediante redes neuronales convolucionales
title_short Reconocimiento automático de esquemas de modulación digital mediante redes neuronales convolucionales
title_full Reconocimiento automático de esquemas de modulación digital mediante redes neuronales convolucionales
title_fullStr Reconocimiento automático de esquemas de modulación digital mediante redes neuronales convolucionales
title_full_unstemmed Reconocimiento automático de esquemas de modulación digital mediante redes neuronales convolucionales
title_sort reconocimiento automático de esquemas de modulación digital mediante redes neuronales convolucionales
publisher Universidad Católica de Salta. Facultad de Ingeniería (Salta)
publishDate 2025
url https://bibliotecas.ucasal.edu.ar/opac_css/index.php?lvl=cmspage&pageid=24&id_notice=81016
work_keys_str_mv AT cabezasfelicitas reconocimientoautomaticodeesquemasdemodulaciondigitalmedianteredesneuronalesconvolucionales
AT romerorodasagustina reconocimientoautomaticodeesquemasdemodulaciondigitalmedianteredesneuronalesconvolucionales
_version_ 1861514797532577792

Ejemplares similares