ABSTRAKSI: Software Defined Radio (SDR) akan menghadirkan teknologi komunikasi radio generasi berikutnya yang sangat berperan penting dalam kesuksesan teknologi BWA (Broadband Wireless Access). 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. SDR (Software Defined Radio) juga diharapkan dapat mendukung terhadap perbedaan frekuensi, perbedaan tipe modulasi dan perbedaan bandwidth.
Deteksi skema modulasi adalah salah satu fungsi awal yang harus ada pada Software Defined Radio (SDR), karena nantinya penerima yang digunakan pada sistem ini harus mampu memilih skema demodulasi yang tepat untuk bermacam-macam sinyal dengan skema modulasi yang tidak diketahui. Algoritma pendeteksian skema modulasi digital yang digunakan pada penelitian ini merupakan gabungan antara metode Transformasi Wavelet dan metode Support Vector Machine (SVM) yang kemampuannya dalam berbagai aplikasi menempatkannya sebagai state of the art dalam pattern recognition dan domain ini merupakan salah satu metoda pengenalan pola yang berkembang pesat. Sinyal termodulasi digital yang akan dideteksi adalah QPSK, 16QAM dan 64QAM.
Hasil penelitian menunjukkan nilai ƒc = 3.8 Hz dan ƒb = 2.4 Hz pada metode Transformasi Complex Shannon Wavelet menunjukkan hasil complex envelope terbaik dan kinerja theoritic decision menggunakan Supoort Vector Machine (SVM). Dan hasil yang ditampilkan berupa klasifikasi tipe modulasi digital yang terbagi dalam kelasnya masing-masing. Sistem yang dirancang ini dapat mencapai tingkat keakurasian 89,227 % dalam melakukan pengidentifikasian tipe modulasi digital dengan menggunakan One Against All metode yang terdapat pada Support Vector Machine (SVM).
Kata Kunci : Deteksi Skema Modulasi, Software Defined Radio, Transformasi Wavelet, Support Vector Machine (SVM).ABSTRACT: Software Defined Radio (SDR) brings the next communication radio technology and plays some important roles in BWA (Broadband Wireless Access) system development. By applying software function better than traditional hardware which is formerly used, radio technology offers potential solution for interoperability, reducing operational cost, flexibility and dynamically network. SDR also support system with different frequencies, modulation types and bandwidths.
Modulation schemes detection are preliminary function on Software Defined Radio (SDR). Next, receiver on Software Defined Radio (SDR) system is able to choose the best demodulation schemes for various signals with unknown modulation schemes. The algorithm of digital modulations scheme’s detection used in this project is combined between Complex Shannon Wavelet Transformation and Statistical Method of feature extraction. Uses Support Vector Machine (SVM), that in many application become as state of the art in pattern recognition. QPSK, 16QAM and 64QAM are modulated digital signal which going to be detected.
The research show that ƒc = 3.8 Hz and ƒb = 2.4 Hz as Complex Shannon Wavelet Transformation Method’s inputs produce the best complex envelope and theoretic decision’s performance using Support Vector Machine (SVM). The result is classification type of digital modulation that divided each class. This system has precision 89,227 % using One Against All in SVM.
Keyword: Modulation Scheme detection, Software Defined Radio, Complex Shannon Wavelet Transformation, Statistical Method, Theoritic Decision (Tree Diagram), Optimum Threshold.