Contents
Academic literature on the topic 'Klasifikace modulací'
Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles
Consult the lists of relevant articles, books, theses, conference reports, and other scholarly sources on the topic 'Klasifikace modulací.'
Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.
You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.
Journal articles on the topic "Klasifikace modulací"
1
Isnawati, Anggun Fitrian. "Klasifikasi Modulasi Digital Menggunakan Kombinasi Teknik Fuzzy Clustering Dan Template Matching Sebagai Pengenalan Pola." JURNAL INFOTEL - Informatika Telekomunikasi Elektronika 5, no. 1 (May 10, 2013): 30. http://dx.doi.org/10.20895/infotel.v5i1.111.
Full textAbstract:
Sebagian besar pendekatan untuk pengenalan dan klasifikasi modulasi telah didirikan pada komponen sinyal termodulasi. Dalam tulisan ini, akan dikembangkan algoritma untuk klasifikasi modulasi menggunakan teknik clustering Fuzzy C. Means (FCM) yang mempertimbangkan konstelasi sinyal yang diterima untuk mengidentifikasi jenis modulasi yang dipakai pada komunikasi nirkabel. Identifikasi pola menggunakan template matching dan diperoleh hasil dengan tingkat kecocokan yang tinggi pada semua tipe modulasi yang digunakan.
2
PAMBUDI, AFIEF DIAS, SUHARTONO TJONDRONEGORO, and HEROE WIJANTO. "Deteksi Automatis Skema Modulasi Sinyal OFDM menggunakan Ciri Statistik dan Klasifikasi PSO." ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika 3, no. 2 (July 1, 2015): 133. http://dx.doi.org/10.26760/elkomika.v3i2.133.
Full textAbstract:
ABSTRAKPengenalan format modulasi dari sinyal yang dideteksi merupakan salah satu bahasan penting pada sistem intelligent receiver yang digunakan untuk aplikasi di bidang militer maupun komersial. Oleh karena itu, pada penelitian ini dilakukan klasifikasi skema modulasi pada sinyal OFDM yaitu QPSK, 16-QAM dan 64-QAM. Sinyal OFDM tersebut disimulasikan melewati kanal frequency selective fading dan additive white gaussian noise. Sistem klasifikasi yang dibuat menggunakan ekstraksi ciri statistik dan pengklasifikasi berupa diagram keputusan dengan threshold yang dioptimasi menggunakan algoritma particle swarm optimization (PSO). Pada proses klasifikasi ditambahkan sistem voting dengan skenario penggunaan jumlah simbol OFDM sebanyak 1, 5, 10, 15 dan 20. Hasil akurasi klasifikasi yang optimum didapatkan pada penggunaan lima simbol OFDM yaitu 100 %, 99 %, 96 % untuk klasifikasi QPSK, 16-QAM, 64-QAM pada minimum SNR receiver standar WiMAX IEEE 802.16e.Kata kunci: klasifikasi skema modulasi OFDM, ciri statistik, PSO.ABSTRACTModulation recognition of the detected signal is one of important topics on intelligent receiver system used for military and commercial applications. (Therefore) This research explored the classifications of the OFDM signal modulation scheme namely QPSK, 16-QAM and 64-QAM. The OFDM signal was simulated to pass through frequency selective fading channel and additive white gaussian noise. The classification system was developed using statistical feature extraction with a decision diagrams (tree diagram) as a classifier optimized by PSO algorithm. The increasing number of OFDM symbols in the classification process that applied a voting system improved the accuracy of the classification of each modulation scheme. The optimum accuracy of the classification had been obtained when five OFDM symbols were applied in the classification scenario. The accuracy was 100% for QPSK classification, 99 % for 16-QAM classification and 96 % for 64-QAM classification on the minimum SNR accepted by the receiver of a system that applied a standard WiMax IEEE 802.16e.Keywords: classification modulation schemes OFDM, statistical characteristics, PSO.
3
NIK HASHIM, NIK NUR WAHIDAH, MUHAMMAD AMIRUL AMIN AZMI, and HAZLINA MD. YUSOF. "AUGMENTATIVE AND ALTERNATIVE COMMUNICATION METHOD BASED ON TONGUE CLICKING FOR MUTE DISABILITIES." IIUM Engineering Journal 20, no. 1 (June 1, 2019): 119–28. http://dx.doi.org/10.31436/iiumej.v20i1.1021.
Full textAbstract:
This paper presents a pilot study for a novel application of converting tongue clicking sound to words for people with the inability to speak. 15 features of speech that are related to speech timing patterns, amplitude modulation, zero crossing and peak detection were extracted. The experiments were conducted with three different patterns using binary Support Vector Machine (SVM) classification with 10 recordings as training data and 10 recordings as development data. Peak size outperformed all features with 85% classification rate for pattern P1-P3 whereas multiple features produced 100% classification rate for P1-P2 and P2-P3. A GUI based system was developed to validate the trained classifier. Multiclass SVM were constructed based on the best features obtained from binary SVM classification outcome, namely peak size and skewness amplitude modulation, and then tested on 15 recordings. The GUI based multiclass SVM obtained a satisfying performance of 67% correct classification of the test data set.
ABSTRAK: Kertas ini membentangkan panduan kajian kepada aplikasi terkini dalam menukar bunyi klik pada lidah kepada perkataan untuk orang yang mempunyai kehilangan upaya dalam bertutur. 15 ciri khas berkaitan pertuturan adalah pola masa, modulasi nilai tertinggi, tiada titik persilangan dan nilai terpilih yang dikesan. Eksperimen telah dijalankan dengan tiga corak berlainan menggunakan perduaan Mesin Vektor Sokongan (SVM) klasifikasi dengan 10 rakaman sebagai data terlatih dan 10 rakaman sebagai data yang dibina. Saiz tertinggi yang melebihi semua ciri-ciri pada 85% kadar klasifikasi dilihat pada corak P1-P3, sedangkan ciri-ciri pelbagai telah terhasil pada 100% kadar klasifikasi P1-P2 dan P2-P3. Sistem berdasarkan GUI telah dibina bagi menilai ciri terlatih. Kelas pelbagai SVM telah dibina berdasarkan ciri-ciri terbaik dan dihasilkan daripada klasifikasi perduaan SVM, iaitu saiz tertinggi dan modulasi saiz tertinggi tidak linear, dan telah diuji dengan 15 rakaman. Kelas pelbagai SVM yang didapati melalui GUI ini adalah memberangsangkan iaitu 67% klasifikasi adalah tepat pada set data yang diuji.
4
Arintya, Hana, Yumna Rasyid, and Saifur Rohman. "PENGARUH PROSEDUR TERHADAP KEAKURATAN PENERJEMAHAN TEKS BERMUATAN IDEOLOGI BUDAYA DALAM ROMAN SITTI NURBAYA KE DALAM BAHASA INGGRIS." Jurnal Pendidikan Bahasa dan Sastra 19, no. 1 (January 9, 2020): 86–99. http://dx.doi.org/10.17509/bs_jpbsp.v19i1.20761.
Full textAbstract:
Artikel ini mengungkapkan pengaruh prosedur penerjemahan terhadap keakuratan terjemahan Bahasa Inggris novel Sitti Nurbaya. Novel ini sendiri merupakan sebuah karya sastra lama yang memuat potret penjajahan Belanda sehingga novel ini tentunya sarat akan Ideologi. Lebih lanjut Ideologi yang akan coba dianalisis adalah penggalan-penggalan teks yang memuat Klasifikasi Ideologi Budaya oleh Yasnur Asri yang ada dalam novel tersebut. Klasifikasi tersebut tidak ada bedanya dengan dua kelompok besar ideologi kolonialisme dan postkolonialisme hanya saja ini merupakan penjabaran yang lebih spesifik tentang kedua kubu ideologi tersebut. Belanda di sini hadir sebagai potret wajah dari kolonial dan tokoh-tokoh lainnya yang pro belanda dan pihak-pihak yang kontra maka merupakan potret dari poskolonialisme. Hasil dari penelitian ini hanya memasukkan 5 dari 6 jenis klasifikasi ideologi kultural yang dinyatakan Yasnur Asri karena salah satu poin tersebut telah terwakilkan dalam poin lainnya. Metode yang diterapkan adalah metode kualitatif dengan teknik pengamatan dan pencatatan lalu untuk kemudian dianalisis juga. Untuk Prosedur yang diterapkan dari beberapa sampel data yang dimasukkan menunjukkan prosedur dengan frekuensi paling banyak adalah pergeseran, kesepadanan dan sinonim sementara prosedur dengan frekuensi rendah adalah modulasi, pengurangan dan pemindahan. Keakuratan yang muncul dari hasil penggunaan prosedur-prosedur tersebut menunjukkan mayoritas akurat.
5
Prastyatama, Budianastas. "KINERJA STRUKTURAL INTERLOCKING COMPRESSED EARTH BLOCK (ICEB) DENGAN SERAT IJUK SEBAGAI STABILISATOR." ARTEKS, Jurnal Teknik Arsitektur 3, no. 1 (November 30, 2018): 27. http://dx.doi.org/10.30822/artk.v3i1.144.
Full textAbstract:
Bahan bangunan berbentuk blok modular sudah cukup dikenal di dunia rancang bangun lingkungan binaan di Indonesia. Dalam bentuknya yang paling sederhana, blok modular ini dikenal dengan nama bata, bata merah, batako, conblock, atau lainnya. Unitnya yang modular memberi kemudahan dalam pembuatan, aplikasi dan transportasinya. Kekurangannya, blok ini umumnya dibuat melalui proses yang boros energi dan polutif (pembakaran bata, pemanasan semen dan kapur di tanur / kiln). Dalam perspektif lingkungan binaan yang berkelanjutan dan ramah lingkungan, kekurangan ini perlu diperbaiki agar jejak karbon habitasi manusia dapat ditekan. Tantangannya adalah mendapatkan blok modular yang hemat energi, tetapi dapat mencapai stabilitas dan performa struktural yang sesuai standard. Dalam penelitian ini, benda uji berbahan tanah dibuat dengan tanpa melalui proses pembakaran atau pemakaian semen dan kapur. Serat ijuk digunakan sebagai pengganti semen dan kapur yang selama ini dikenal sebagai stabilisator pilihan dalam pembuatan blok modular. Untuk melihat kinerja strukturalnya, benda uji utama dan pembandingnya diuji pada mesin uji tekan (compressive testing machine). Pengujian dilakukan dengan menggunakan benda uji pembanding berupa blok modular dengan bentuk, dimensi dan cara pembuatan yang serupa, dengan perbedaan pada komposisi bahannya. Sebagai rujukan, digunakan SNI 15-2094-2000 (Indonesia) dan IS 1077 : 1992 (India) tentang klasifikasi kuat tekan bata merah bakar.
6
Pinardi, Sofia, and Ariman Ariman. "Pengklasifikasian Modulasi Digital Berbasis Entropy Shannon Menggunakan Dekomposisi Wavelet." Sainstech: Jurnal Penelitian dan Pengkajian Sains dan Teknologi 23, no. 1 (June 3, 2020). http://dx.doi.org/10.37277/stch.v23i1.560.
Full textAbstract:
Dalam sistem komunikasi menggunakan jenis modulasi M-PSK, dibutuhkan suatu cara mendapatkanmetode yang dapat direalisasikan dari pengelompokan jenis modulasi sinyal tanpa mengetahui detail darikarakteristik sinyal. Penelitian ini merupakan pengembangan dari metode klasifikasi dengan jaringan syaraftiruan (JST). Metode cara melakukan penelitian ini adalah jaringan syaraf tiruan dilakukan dengan masukanentropi shannon dari dekomposisi wavelet transform dengan maksud membangun kemampuan jaringan yangdapat memisahkan salah satu bagian dari sinyal modulasi M-PSK. Hasil dari penelitian ini dapat menunjukkanbagaimana pendekatan wavelet bekerja didalam mengidentifikasi sinyal BPSK dan QPSK di dalam jenismodulasi yang lain dalam keluarga M-PSK. Hasil penelitian ini juga didapat sangat relevan karena nilai FAR,FRR, dan waktu proses cukup cepat dalam suatu proses komputasi. Pendekatan wavelet ini kemudiandikombinasikan dengan dua teknik lainnya dari literatur untuk membentuk sistem hibrid yang potensial untukmemperbaiki akurasi klasifikasi untuk jumlah yang besar dari jenis modulasi
7
Wahyuni, Komang Tri, I. Made Oka Widyantara, and NMAE Dewi Wirastuti. "Deteksi Tipe Modulasi Digital Pada Automatic Modulation Recognition Menggunakan Support Vector Machine dan Conjugate Gradient Polak Ribiere-Backpropagation." Majalah Ilmiah Teknologi Elektro 18, no. 2 (August 22, 2019). http://dx.doi.org/10.24843/mite.2019.v18i02.p18.
Full textAbstract:
Pada penelitian ini menggunakan data digital yang dibangkitkan secara random dalam seleksi ciri tipe modulasi. Adapun tipe modulasi yang digunakan adalah QPSK, 16QAM dan 64QAM. Pada proses ekstrasi ciri menggunakan pendekatan statistical feature set dengan metode Mean, Varian, Kurtosis dan Skewness, sedangkan seleksi ciri menggunakan Multi Class Support Vector Machine (SVM) dengan 5 kelas dalam klasifikasi diantaranya adalah (i) Bukan Fitur, (ii) Mean, (iii) Varian, (iv) Kurtosis dan (v) Skewness. Dalam mendeteksi tipe modulasi menggunakan Jaringan Syaraf Tiruan Backpropagation dengan proses pembelajaran menggunakan algoritma Conjugate Gradien Polak Ribiere. Dari hasil komparasi hasil pelatihan terhadap 401 data latih antara pembelajaran Conjugate Gradient Polak Ribiere dengan pembelajaran Gradient Discent adalah menggunakan Conjugate Gradient Polak Ribiere jauh lebih baik dengan nilai akurasi 86,20%, dan laju errornya 13,80% sedangkan pada pembelajaran dengan Conjugate Discent pada iterasi yang sama yaitu 781 tingkat akurasinya sebesar 67,83% dan laju errornya 32,17%. Dari hasil pengujian tersebut terdapat 4 kelompok fitur yang mampu mengenali tipe modulasi diantaranya adalah (i) Mean, Varian, Kurtosis, (ii) Mean, Varian, Skewness, (iii) Varian, Kurtosis, Skewnes dan (iv) Mean, Kurtosis, Skewness.
Dissertations / Theses on the topic "Klasifikace modulací"
1
Kubánková, Anna. "Automatická klasifikace digitálních modulací." Doctoral thesis, Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií, 2008. http://www.nusl.cz/ntk/nusl-233424.
Full textAbstract:
This dissertation thesis deals with a new method for digital modulation recognition. The history and present state of the topic is summarized in the introduction. Present methods together with their characteristic properties are described. The recognition by means of artificial neural is presented in more detail. After setting the objective of the dissertation thesis, the digital modulations that were chosen for recognition are described theoretically. The modulations FSK, MSK, BPSK, QPSK, and QAM-16 are concerned. These modulations are mostly used in modern communication systems. The method designed is based on the analysis of module and phase spectrograms of the modulated signals. Their histograms are used for the examination of the spectrogram properties. They provide information on the count of carrier frequencies in the signal, which is used for the FSK and MSK recognition, and on the count of phase states on which the BPSK, QPSK, and QAM-16 are classified. The spectrograms in that the characteristic attributes of the modulations are visible are obtained with the segment length equal to the symbol length. It was found that it is possible to correctly recognize the modulation with the known symbol length at the signal-to-noise ratio at least 0 dB. That is why it is necessary to detect the symbol length prior to the spectrogram calculation. Four methods were designed for this purpose: autocorrelation function, cepstrum analysis, wavelet transform, and LPC coefficients. These methods were algorithmized and analyzed with signals disturbed by the white Gaussian noise, phase noise and with signals passed through a multipass fading channel. The method of detection by means of cepstrum analysis proved the most suitable and reliable. Finally the new method for digital modulation recognition was verified with signals passed through a channel with properties close to the real one.
2
Sinyanskiy, Alexander. "Automatická klasifikace digitálních modulací pomocí neuronových sítí." Master's thesis, Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií, 2017. http://www.nusl.cz/ntk/nusl-317005.
Full textAbstract:
This master’s thesis is about automatic digital modulation recognition using artificial neural networks. The paper briefly describes the issue and existing algorithms for solving the problem of modulation recognition. It was found that the best results are achieved when using the feature-recognition methods and artificial neural networks. The digital modulations that were chosen for recognition are described theoretically and they are ASK, FSK, BPSK, QPSK and 16QAM. These modulations are most commonly used today. Later was briefly described theory of neural networks. In another part was given to the characteristic features of modulation for modulation recognition using artificial neural networks. The penultimate part describes the parameters for signal simulation in Matlab, how to create the key features in Matlab and results after experimental simulation. The last part contains neural network optimization experiments.
3
Balada, Radek. "Klasifikace typu digitální modulace." Master's thesis, Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií, 2010. http://www.nusl.cz/ntk/nusl-218394.
Full textAbstract:
The aim of master’s thesis is a classification of digital modulation type. The interest in modulation classification has been growing for last years. It has several possible roles in both civilian and military applications such as spectrum sensing, signal confirmation, interference identification, monitoring and so on. Modulation classification is an intermediate step between signal detection and successful demodulation. Therefore the known methods are based on different statistics obtained from received signals. These statistics can be derived from continuous time signals and they hold for sampled signals.