KLASIFIKASI TIPE MODULASI MENGGUNAKAN METODA DETEKSI SELUBUNG KOMPLEKS DAN PARAMETER STATISTIK Desti Madya Saputri¹, Heroe Wijanto², Iwan Iwut Tirtoasmoro³ ¹Magister Elektro Komunikasi, Fakultas Teknik Elektro, Universitas Telkom Abstrak Rekognisi skema modulasi adalah suatu sub-sistem pada perangkat receiver radio yang memerlukan kemampuan untuk mengidentifikasi sinyal radio, yaitu dengan tugas pokok melakukan rekognisi skema modulasi dari sinyal yang datang. Dengan lebih menerapkan fungsi- fungsi yang ada di dalam software dibandingkan dengan pendekatan hardware secara tradisional, sistem radio akan menawarkan solusi potensial untuk interoperabilitas, jaringan yang fleksibel dan dinamis serta pengurangan biaya operasi. Rekognisi modulasi harus mampu melakukan klasifikasi dengan benar tentang skema modulasi yang diterimanya, termasuk pada kondisi sinyal terganggu. Permasalahan yang menjadi perhatian dan pengembangan sistem rekognisi modulasi terutama dalam hal bagaimana meningkatkan akurasi rekognisi. Algoritma pendeteksian skema modulasi digital yang digunakan pada penelitian ini merupakan gabungan antara metoda Transformasi Complex Shannon Wavelet dan metoda statistik pada bagian ekstrasi ciri dan pada bagian keputusan menggunakan tree diagram berdasarkan pada nilai threshold optimum. Sinyal termodulasi digital yang akan dideteksi adalah QPSK, 16QAM dan 64QAM. Sinyal multicarrier yang akan dideteksi adalah OFDM. Metoda korelasi digunakan untuk mengestimasi parameter OFDM yaitu panjang durasi satu simbol OFDM dan panjang cyclic prefix. Hasil penelitian menunjukkan kinerja theoritic decision menggunakan kombinasi threshold optimum Th1 mean, Th4 variansi dan Th5 skewness merupakan theoritic decision terbaik untuk mendeteksi semua skema modulasi digital, terutama untuk mendeteksi skema modulasi QPSK yaitu dengan akurasi hasil deteksi 100 %. Untuk skema modulasi 16QAM dan 64QAM, theoritic decision ini memperoleh akurasi hasil deteksi maksimumnya masing-masing hanya mencapai ± 90 %. Untuk parameter sinyal OFDM, metoda autokorelasi dapat mendeteksi durasi satu simbol OFDM dengan akurasi 100% mulai dari SNR 0dB. Sedangkan untuk mendeteksi panjang cyclic prefix mencapai 100% mulai dari SNR 18dB. Kata Kunci : Deteksi Skema Modulasi, Deteksi Selubung Kompleks, Metoda Statistik, Tree Diagram, Korelasi. Tugas Akhir - 2012 Fakultas Teknik Elektro Program Studi S2 Magister Elektro Komunikasi
12
Embed
KLASIFIKASI TIPE MODULASI MENGGUNAKAN METODA …...KLASIFIKASI TIPE MODULASI MENGGUNAKAN METODA DETEKSI SELUBUNG KOMPLEKS DAN PARAMETER STATISTIK Desti Madya Saputri¹, Heroe Wijanto²,
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
KLASIFIKASI TIPE MODULASI MENGGUNAKAN METODA DETEKSI SELUBUNGKOMPLEKS DAN PARAMETER STATISTIK
¹Magister Elektro Komunikasi, Fakultas Teknik Elektro, Universitas Telkom
AbstrakRekognisi skema modulasi adalah suatu sub-sistem pada perangkat receiver radio yangmemerlukan kemampuan untuk mengidentifikasi sinyal radio, yaitu dengan tugas pokokmelakukan rekognisi skema modulasi dari sinyal yang datang. Dengan lebih menerapkan fungsi-fungsi yang ada di dalam software dibandingkan dengan pendekatan hardware secara tradisional,sistem radio akan menawarkan solusi potensial untuk interoperabilitas, jaringan yang fleksibeldan dinamis serta pengurangan biaya operasi.
Rekognisi modulasi harus mampu melakukan klasifikasi dengan benar tentang skema modulasiyang diterimanya, termasuk pada kondisi sinyal terganggu. Permasalahan yang menjadi perhatiandan pengembangan sistem rekognisi modulasi terutama dalam hal bagaimana meningkatkanakurasi rekognisi. Algoritma pendeteksian skema modulasi digital yang digunakan padapenelitian ini merupakan gabungan antara metoda Transformasi Complex Shannon Wavelet danmetoda statistik pada bagian ekstrasi ciri dan pada bagian keputusan menggunakan tree diagramberdasarkan pada nilai threshold optimum. Sinyal termodulasi digital yang akan dideteksi adalahQPSK, 16QAM dan 64QAM. Sinyal multicarrier yang akan dideteksi adalah OFDM. Metodakorelasi digunakan untuk mengestimasi parameter OFDM yaitu panjang durasi satu simbol OFDMdan panjang cyclic prefix.
Hasil penelitian menunjukkan kinerja theoritic decision menggunakan kombinasi thresholdoptimum Th1 mean, Th4 variansi dan Th5 skewness merupakan theoritic decision terbaik untukmendeteksi semua skema modulasi digital, terutama untuk mendeteksi skema modulasi QPSKyaitu dengan akurasi hasil deteksi 100 %. Untuk skema modulasi 16QAM dan 64QAM, theoriticdecision ini memperoleh akurasi hasil deteksi maksimumnya masing-masing hanya mencapai ±90 %. Untuk parameter sinyal OFDM, metoda autokorelasi dapat mendeteksi durasi satu simbolOFDM dengan akurasi 100% mulai dari SNR 0dB. Sedangkan untuk mendeteksi panjang cyclicprefix mencapai 100% mulai dari SNR 18dB.
Kata Kunci : Deteksi Skema Modulasi, Deteksi Selubung Kompleks, Metoda Statistik, TreeDiagram, Korelasi.
Tugas Akhir - 2012
Fakultas Teknik Elektro Program Studi S2 Magister Elektro Komunikasi
AbstractModulation Recognition is a sub-system on the radio receiver device which requires the ability toidentify radio signals. It is important because the basic function of signal modulation schemesrecognition is to recognize the coming signal modulation schemes. By applying a software thatare able to work better than the traditional hardware, radio technology offers potential solutionfor interoperability, flexible and dynamic network, and reducing operational cost.
Modulation recognition should be able to classify the modulation scheme of the received signalcorrectly, even in the condition of disturbance channel. The issue in this study are how to developthe modulation recognition system so that its recognition accuracy improves The algorithm ofdigital modulations scheme’s detection used in this project was a combination of ComplexShannon Wavelet Transformation and Statistical Method of feature extraction. The Decision partused theoretic decision (tree diagram) based on optimum threshold value. The modulated digitalswhich were detected were QPSKs, 16QAM and 64QAM. The multicarrier signal which was detectedwas OFDM. The algorithm of multicarrier detection used in this project was a correlation method.This method was also used to estimate the symbol length and cyclic prefix length.
The results of the study showed that theoretic decision’s performance using combination ofoptimum threshold Th1 mean, viii Th4 variance and Th5 skewness were the best theoritic decisionmodulation scheme because the level accuracy detection reached 100%. However for 16QAM and64QAM modulation scheme, this theoretic decision each had an accuracy detection up to ± 90 %.For multicarrier signal detection, autocorrelation method produced the best accurate detection toestimate the length of data of an OFDM symbol with the level of accuracy detection of 100%starting from minimum SNR 0 dB. Finally to estimate the cyclic prefix length, the correlationmethod was able to reach a maximum detection of 100 % on SNR 18 dB.