Abschlussarbeiten

Klassifizierung überlagerter Funksignale mit Convolutional Neuronal Networks

Autor : Sergej Grunau
Betreuer : Prof. Dr.-Ing. Uwe Meier
Typ : Bachelor
Forschungsbereich : Industrielle Kommunikation
Kurzbeschreibung :

Convolutional Neural Networks (CNNs) haben sich im Bereich der Modulationserkennung und Funksignalidentifikation bewährt. Die dort eingesetzten CNNs sind Single-Label-Klassifizierer und können nur eine Modulation oder ein Funksignal in einer Power-Spectral-Density-Aufzeichnung
(PSD) klassifizieren.


In dieser Arbeit wird ein Ansatz für den Entwurf eines Multi-Label-Klassifizierer vorgestellt, der mehrere Signale in einer PSD-Aufzeichnung klassifizieren kann. Dazu wird ein bekannter SingleLabel-Klassifizierer verwendet und seine Ausgabefunktion geändert. Um den Multi-LabelKlassifizierer zu trainieren, wird aus dem Single-Label-Datensatz von [1], ein Multi-Label-Datensatz
erstellt. Anschließend wird der Multi-Label-Klassifizierer in das Software-Defined-Radio-Framework (SDR-Framework) Gnuradio integriert und der Datendurchsatz gemessen.


Die Ergebnisse zeigen, dass Multi-Label-Klassifizierer bezüglich der Erkennungsraten an SingleLabel- Klassifizierer heranreichen. Bei einem Multi-Label-Problem mit fünfzehn Klassen erreicht der
Multi-Label-Klassifizierer Erkennungsraten von 93%.

Kontakt : Prof. Dr.-Ing. Uwe Meier