ABSTRAKSI: Sistem komunikasi secara umum harus memiliki blok transmitter dan
receiver. Tugas akhir yang dilakukan berada pada bagian receiver, pengenalan
sinyal modulasi yang diterima sebelum sinyal tersebut didemodulasikan.
Pengenalan dengan software processing, karena sistem demodulasi yang fleksibel
adalah sistem demodulasi yang mampu menerima beberapa skema modulasi tanpa
harus mengganti komponen hardwarenya. Peran hardware tersebut telah
digantikan oleh fungsi software processing. Proses menggantikan fungsi hardware
menjadi software mengarah ke sistem yang diistilahkan dengan Software Defined
Radio (SDR).
Automatic Modulation Recognition (AMR) merupakan cara untuk
mengenali sinyal modulasi yang digunakan. Tahapan AMR adalah measurement,
ekstrak ciri dan keputusan. Measurement dilakukan dengan menggunakan
selubung komplek yang berfungsi mendapatkan selubung sinyal modulasi.
Ekstrak ciri berfungsi mendapatkan karakteristik dari tiap-tiap tipe modulasi yang
digunakan pemancar. Ekstrak ciri yang digunakan adalah PSD max, Standar
Deviasi absolute phase, Standar Deviasi direct phase dan Standar Deviasi
frekuensi. Pada bagian keputusan digunakan metode jaringan syaraf tiruan back
propagation.
Dari simulasi yang dilakukan pelatihan jaringan syaraf tiruan dalam
mengenali pola ASK dan QPSK membutuhkan lima pola pelatihan sedangkan
untuk modulasi FSK dan BPSK membutuhkan sepuluh pola pelatihan. Jaringan
syaraf tiruan dengan menggunakan 40 frame pada setiap ekstrak ciri,
mendapatkan konfigurasi dua hidden layer dengan jumlah neuron pada masingmasing
layer = 160 neuron, konstanta learning rate = 0,05 dan SSE = 0,0001
mampu mendeteksi sinyal yang diterima pada nilai SNR 3 dB. Penggunaan empat
ekstrak ciri memberikan akurasi rata-rata 98,228 %, penggunaan tiga ekstrak ciri
97,135 % sedangkan dua ekstrak ciri akurasinya mencapai 92,603 %.Kata Kunci : -ABSTRACT: Generally communication system has both transmitter and receiver part.
This final project is done in receiver part. Signal which is sent by transmitter will
be recognized before being demodulated by it’s pair. System will recognize digital
modulation type, they are ASK, FSK, BPSK and QPSK.
Recognizing starts from measurement, feature extraction and decision.
Measurement part will get instanteous features of the signal, measurement uses
complex envelope analysis. Feature extraction part will get unique characteristic
signal and decision part will decide what the modulation signal is. Feature
extraction uses PSD max, Standard Deviation direct phase, Standard Deviation
absolute phase and Standard Deviation frequency. Artificial Neural Network
(ANN) is used in decision part.
Simulation results that ANN needs five learning patterns to recognize
ASK and QPSK signals but ten learning patterns for FSK and BPSK signals.
ANN’s configuration with two hidden layer, 160 neuron in each layers, learning
rate = 0.05, 40 frames in each feature extractions gives 99.38 % accuration
value.Using four feature extractions give mean accuration value 98.228 %, but for
three and two feature extractions give both 97.135 % and 92.603 % mean
accuration value.Keyword: -