Modulation Classification with Deep Learning Algorithms

L'attività di tesi è inquadrata nell'ambito del Deep Learning (DL), una potente tecnica di classificazione che ha un grande successo in molti domini applicativi. Tuttavia, il suo utilizzo nei sistemi di comunicazione non è stato ancora ben esplorato. Viene affrontato il problema dell'utilizzo di DL nei sistemi di comunicazione, in particolare per la classificazione della modulazione. Nello specifico, la rete neurale convoluzionale (CNN) viene utilizzata per completare l'attività di classificazione. Le reti wireless di nuova generazione devono essere in grado di supportare comunicazioni ultra affidabili e a bassa latenza e gestire in modo intelligente i dispositivi Internet of Things (IoT) in un ambiente dinamico in tempo reale. Tali requisiti di comunicazione e intelligenza possono essere realizzati solo integrando nozioni fondamentali di intelligenza artificiale (AI) e machine learning (ML). In questa tesi, viene quindi introdotto l'uso di concetti completi di machine learning, in generale, e reti neurali artificiali (ANN), in particolare, e le loro potenziali applicazioni nelle comunicazioni wireless. Viene fornita una panoramica sulla varietà di problemi di comunicazione wireless che possono essere affrontati utilizzando le reti neurali (NN). Per ogni applicazione, viene presentata la motivazione principale per l'utilizzo delle NN insieme alle sfide associate, fornendo anche un esempio dettagliato per uno scenario di caso d'uso. Un’altra classe di NN di cui è opportuno approfondire il funzionamento è quella dell’Autoencoder (AE). In seguito, questa tesi ha l'obiettivo di mostrare come utilizzare una rete neurale convoluzionale (CNN) per la classificazione della modulazione, generare forme d'onda sintetiche e alterate dal canale. Utilizzando le forme d'onda generate come dati di addestramento, viene addestrata una CNN per la classificazione della modulazione. Tramite simulazioni, si è verificata la capacità dell'algoritmo di risolvere il problema in esame.