ABSTRAKSI: Klasifikasi skema modulasi adalah suatu kemampuan mengestimasi karakteristik dari suatu sinyal radio dan menentukan skema modulasi yang tepat berdasarkan karakteristik tersebut. Tugas akhir ini akan membahas deteksi skema modulasi menggunakan konsep pattern recognition. Sinyal terima akan diklasifikasikan berdasarkan diagram konstelasi dari sinyal terima yang telah direkonstruksi. Ini dimungkinkan dengan memperlakukan diagram konstelasi sebagai sebuah ciri unik setiap skema modulasi. Skema modulasi yang akan digunakan adalah QPSK, 16 QAM dan 64 QAM.
Pada tugas akhir ini, diagram konstelasi akan direkonstruksi dari vektor N x 2 keluaran dari detektor korelasi yang berupa koordinat in-phase dan quadrature. Diagram konstelasi yang telah terganggu oleh noise dan fading akan direkonstruksi menggunakan algoritma clustering fuzzy c-means. Algoritma min-max-median akan digunakan untuk inisialisasi fuzzy c-means. Tiga buah metode clustering validity, yaitu minimum hard tendency, mean hard tendency, dan non-fuzziness index akan digunakan untuk memutuskan skema modulasi terima berdasarkan jumlah kluster yang paling optimal. Simulasi dilakukan pada kanal ideal (AWGN) dan kanal Rayleigh fading serta nilai SNR yang berbeda untuk menguji performansi sistem klasifikasi.
Pada kanal AWGN sistem klasifikasi mampu mengklasifikasikan secara benar QPSK pada seluruh SNR. Sedangkan 16 QAM diklasifikasi dengan akurasi 91% mulai SNR 9 dB dan 64 QAM dengan akurasi 97% mulai dari SNR 17 dB. Sistem mampu melakukan klasifikasi benar untuk skema 16 QAM sampai dengan 14 dB dengan akurasi di atas 90% pada kanal Rayleigh.
Kata Kunci : klasifikasi skema modulasi, pattern recognition, diagram konstelasi, fuzzyABSTRACT: Modulation schemes classification is an ability to estimate the characteristics of any radio signals and determine the correct modulation scheme based on those characteristics. This final project will cover modulation schemes classification based on the reconstructed constellation at the receiver. This is possible by treating constellation diagram as the unique feature of each modulation. QPSK, 16 QAM, and 64 QAM will be used on this project.
Constellation diagram is reconstructed from N x 2 vector which are produced by the correlator detector as in-phase and quadrature component. Constellation which is corrupted and distorted by noise and fading will be reconstructed using fuzzy c-means algorithm. Min-max-median algorithm is used to initialize the reconstruction. Three different cluster validity method is used to classify the signal: minimum hard tendency, mean hard tendency, and non-fuzziness index. In order to counter the nature of multipath fading channel, blind adaptive equalizer is also implemented on this research. Simulation was carried out at AWGN channel and Rayleigh fading channel and also performed in several different SNR to examine the system’s performance.
Using AWGN channel, the system correctly classify QPSK at all SNR. Additionally, 16 QAM is correctly classified down to 9 dB with 91% accuracy rate and 64 QAM is correctly classified down to 17 dB SNR with 97% accuracy rate. The system also performed correct classification with more than 90% accuracy rate for 16 QAM down to 14 dB SNR at Rayleigh fading channel.
Keyword: modulation schemes classification, pattern recognition, constellation